ANALISIS PENGARUH CLAHE PADA KINERJA MOBILENETV3-SVM KLASIFIKASI AKSARA JAWA
DOI:
https://doi.org/10.36595/jire.v9i1.1997Keywords:
pengenalan tulisan aksara Jawa, MobileNetV3Small, SVM linear kernel, CLAHE, klasifikasi citraAbstract
Penelitian ini membahas pengenalan aksara Jawa sebagai upaya pelestarian budaya di era teknologi digital. Permasalahan utama terletak pada rendahnya kualitas citra dan kemiripan visual antar karakter yang dapat menurunkan akurasi klasifikasi. Penelitian ini bertujuan untuk menganalisis kinerja model MobileNetV3-SVM serta pengaruh penerapan preprocessing Contrast Limited Adaptive Histogram Equalization (CLAHE) dalam meningkatkan akurasi pengenalan. Metode yang digunakan meliputi tahap preprocessing (CLAHE, resize, dan normalisasi), ekstraksi fitur menggunakan MobileNetV3Small, serta klasifikasi menggunakan Support Vector Machine (SVM) dengan kernel linear. Dataset yang digunakan terdiri dari 2.500 citra aksara Jawa yang dibagi dengan rasio 80:20 untuk pelatihan dan pengujian. Hasil penelitian menunjukkan bahwa model dengan CLAHE mencapai akurasi tertinggi sebesar 98,4%, lebih baik dibandingkan tanpa CLAHE yang memperoleh 97,2%. Kebaruan penelitian ini terletak pada integrasi metode CLAHE dengan arsitektur MobileNetV3-SVM untuk meningkatkan diskriminasi fitur pada citra aksara Jawa yang memiliki kemiripan visual tinggi. Implikasi dari penelitian ini menunjukkan bahwa pendekatan yang diusulkan dapat menjadi solusi efektif dalam pengembangan sistem pengenalan aksara daerah berbasis kecerdasan buatan yang lebih akurat dan adaptif.
Downloads
References
[1] A. Ali, A. Ali, and S. Mallaiah, “Intelligent handwritten recognition using hybrid CNN architectures based-SVM classifier with dropout,” J. King Saud Univ. - Comput. Inf. Sci., vol. 34, no. 6, pp. 3294–3300, 2022, doi: 10.1016/j.jksuci.2021.01.012.
[2] B. Jiang et al., “Research on facial expression recognition algorithm based on improved MobileNetV3,” EURASIP J. Image Video Process., 2024, doi: 10.1186/s13640-024-00638-z.
[3] S. Ahlawat and A. Choudhary, “ScienceDirect ScienceDirect Hybrid CNN-SVM Classifier for Handwritten Digit Recognition Hybrid CNN-SVM Classifier for Handwritten Digit Recognition,” PROCS, vol. 167, no. 2019, pp. 2554–2560, 2020, doi: 10.1016/j.procs.2020.03.309.
[4] C. A. Sari, W. S. Sari, V. A. Shelomita, M. R. Kusuma, S. A. Puspa, and M. Bima Gusta, “The Involvement of Local Binary Pattern to Improve the Accuracy of Multi Support Vector-Based Javanese Handwriting Character Recognition,” 2023.
[5] G. X. Shi, Y. N. Wang, Z. F. Yang, Y. Q. Guo, and Z. W. Zhang, “Wildfire Identification Based on an Improved MobileNetV3-Small Model,” Forests, vol. 15, no. 11, Nov. 2024, doi: 10.3390/f15111975.
[6] R. Dijaya, “Buku Ajar Pengolahan Citra Digital,” 2023.
[7] D. Lizard, S. Dimara, B. Rahmat, and H. Maulana, “Identifikasi Penyakit Daun Padi Dengan Metode Transfer Learning MobileNet - Support Vector Machine,” vol. 9, no. 3, pp. 5413–5420, 2025.
[8] F. Putra et al., “Enhancing Visibility in Low-Illumination Street Images Using HE, AHE, and CLAHE Techniques,” vol. 9, no. July, pp. 261–270, 2025.
[9] H. P. Tulili, A. Septiarini, and Hamdani, “Klasifikasi Pennyakit Tanaman Daun Padi Menggunakan Metode Deep Learning dengan Teknik Transfer Learning MobileNet,” vol. 8, no. 2, pp. 365–375, 2025.
[10] A. Hussain, B. Barua, A. Osman, R. Abozariba, and A. T. Asyhari, “Performance of MobileNetV3 Transfer Learning on Handheld Device-based Real-Time Tree Species Identification.”
[11] S. Ernawati and R. Wati, “Evaluasi Performa Kernel SVM dalam Analisis Sentimen Review Aplikasi ChatGPT Menggunakan Hyperparameter dan VADER Lexicon,” 2024.
[12] A. N. Royana, Y. V. Via, C. A. Putra, J. Raya, R. Madya, and A. Music, “Evaluasi Kinerja LightGBM dan CatBoost untuk Prediksi Churn Berdasarkan Dataset Pelanggan Layanan Streaming Musik,” vol. 9, no. 4, pp. 6977–6982, 2025.
[13] E. Dwi, X. Anindhyta, M. D. Paramita, A. P. Sari, S. Informatika, and G. Anyar, “Optimasi Lokasi Pembangunan Rumah Sakit di Kecamatan Ngrayun Kabupaten Ponorogo dengan K-Means,” vol. 8, no. 2, pp. 199–205, 2025.
[14] Phiard, “Aksara Jawa | Kaggle”, [Online]. Available: https://www.kaggle.com/datasets/phiard/aksara-jawa
Downloads
Published
How to Cite
Issue
Section
License
Semua tulisan pada jurnal ini menjadi tanggungjawab penuh penulis.
