Identifikasi citra aksara Lota Ende menggunakan transfer learning MobileNetV2

Natalia Vanessa Sailo; Kartono Pinaryanto

doi:10.24071/usdb.v4.559

Authors

Natalia Vanessa Sailo Sanata Dharma University Author
Kartono Pinaryanto Sanata Dharma University Author

DOI:

https://doi.org/10.24071/usdb.v4.559

Keywords:

Aksara Lota, Identifiaksi Citra, Inovasi Akademik, MobileNetV2, Transfer Learning

Abstract

Disrupsi kecerdasan buatan (AI) membuka peluang bagi perguruan tinggi untuk berperan aktif melestarikan budaya lokal melalui inovasi akademik berbasis teknologi. Aksara Lota, salah satu warisan budaya masyarakat Ende, kini semakin jarang digunakan sehingga berisiko punah. Sebagai kontribusi riset dan pengabdian akademik, penelitian ini bertujuan mengembangkan serta mengevaluasi kinerja sistem identifikasi citra aksara Lota menggunakan metode Transfer Learning dengan arsitektur MobileNetV2. Penelitian menggunakan metode Research and Development (R&D) dengan dataset 480 citra huruf aksara Lota hasil digitalisasi buku dan tulisan tangan responden, yang melalui tahap preprocessing dan augmentasi sebelum pelatihan model. Kombinasi parameter terbaik diperoleh menggunakan optimizer Adam, batch size 16, epoch 15, dan learning rate 0,001, menghasilkan validation accuracy sebesar 97,22%. Pengujian pada data testing memperoleh accuracy 96%, precision 97%, recall 96%, dan F1-score 96%. Hasil User Acceptance Testing menunjukkan nilai rata-rata 4,60 dari skala 5, mengindikasikan penerimaan pengguna yang baik terhadap sistem. Temuan ini membuktikan bahwa MobileNetV2 efektif mengidentifikasi citra aksara Lota, sekaligus menjadi contoh konkret bagaimana inovasi AI di lingkungan akademik dapat mendukung digitalisasi dan pelestarian budaya lokal di tengah disrupsi teknologi pendidikan tinggi.

Downloads

Download data is not yet available.

References

Ameng, A. I. (2025). Sistem pengenalan tulisan tangan (handwriting recognition) menggunakan convolutional neural network (CNN) dengan Python dan TensorFlow [Skripsi sarjana, STMIK Widya Cipta Dharma]. Wicida Repository. https://repository.wicida.ac.id/6047/

Arief, N. S., Putra, W. A., & Pratama, D. S. (2024). Implementasi CNN Arsitektur MobileNetV2 untuk klasifikasi tulisan aksara Jawa. Prosiding Seminar Nasional Teknologi Dan Sains Tahun 2024, 3, 298–303. https://doi.org/10.29407/z1cbjw36

Aryanto, R., Rosid, M. A., & Busono, S. (2023). Penerapan deep learning untuk pengenalan tulisan tangan bahasa aksara Lota Ende dengan menggunakan metode convolutional neural networks. Jurnal Informasi Dan Teknologi, 5(1), 258–264. https://jidt.org/jidt/article/view/313/175

Deng, J., Dong, W., Socher, R., Li, L. J., Li, K., & Fei-Fei, L. (2009). ImageNet: A large-scale hierarchical image database. 2009 IEEE Conference on Computer Vision and Pattern Recognition, 248–255. https://doi.org/10.1109/CVPR.2009.5206848

Firmansyah, S., Puspaningrum, E. Y., & Mandyartha, E. P.(2025). Implementasi transfer learning dengan perbandingan nilai learning rate pada klasifikasi citra penyakit daun tebu berbasis web. JATI (Jurnal Mahasiswa Teknik Informatika), 9(5), 7357–7364. https://doi.org/10.36040/jati.v9i5.14609

Kingma, D. P., & Ba, J. (2015). Adam: A method for stochastic optimization [Paper presentation]. 3rd International Conference on Learning Representations, San Diego, CA, United States. https://doi.org/10.48550/arXiv.1412.6980

LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11), 2278–2324. https://doi.org/10.1109/5.726791

Nurlaela, L., Suhanda, Y., Sopian, A., Dewi, C. S., & Syahrial, R. (2025). Pengembangan Framework Data Mining Berbasis Deep Neural Network dengan Eksplorasi Teknik Transfer Learning untuk Prediksi dan Klasifikasi Data. Jurnal Rekayasa Informasi Swadharma (JRIS), 5(1), 132–141. https://doi.org/10.56486/jris.vol5no1.723

Oktora, S. (2010a). Ahli waris aksara Lota Ende. Kompas.com. https://megapolitan.kompas.com/read/2010/12/09/14575920/ahli-waris-aksara-lota-ende

Oktora, S. (2010b). Budaya tulis: Aksara Lota Ende terasing di negeri sendiri. Kompas. https://jelajah.kompas.id/jejak-peradaban-ntt/baca/budaya-tulis-aksara-lota-ende-terasing-di-negeri-sendiri/

Rahmawati, S. N., Hidayat, E. W., & Mubarok, H. (2021). Implementasi deep learning pada pengenalan aksara Sunda menggunakan metode convolutional neural network. INSERT: Information System and Emerging Technology Journal, 2(1), 46–58. https://doi.org/10.23887/insert.v2i1.37405

Ramadhan, F. M., & Riwurohi, J. E. (2024). Perbandingan optimizer, batch size dan epoch pada metode convolution neural network. JSiI (Jurnal Sistem Informasi), 11(2), 134–138. https://doi.org/10.30656/jsii.v11i2.9249

Rismayanti, Apriyanto., & Suppa, R. (2025). Aplikasi pembelajaran aksara Lontara Bugis berbasis Android pada SDN 152 Cenning di Desa Salobongko Kecamatan Malangke Barat. JITET: Jurnal Informatika Dan Teknik Elektro Terapan, 13(2), 59–69. https://doi.org/10.23960/jitet.v13i2.6075

Sandler, M., Howard, A., Zhu, M., Zhmoginov, A., & Chen, L.-C. (2018). MobileNetV2: Inverted residuals and linear bottlenecks. 2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition, 4510–4520. https://doi.org/10.1109/CVPR.2018.00474

Shorten, C., & Khoshgoftaar, T. M. (2019). A survey on image data augmentation for deep learning. Journal of Big Data, 6, Article 60. https://doi.org/10.1186/s40537-019-0197-0

Sianturi, F. A. (2026). Klasifikasi aksara Batak Toba lengkap tulisan tangan menggunakan transfer learning EfficientNet B0. Jurnal Sistem Informasi, Teknik Komputer Dan Teknologi Pendidikan (JUSTIKPEN), 5(2), 288–295. https://doi.org/10.55338/justikpen.v5i2.703

Somad Tech. (2023). Aksara Ende Flores NTT (Versi 1.0) [Aplikasi mobile]. Google Play Store. https://play.google.com/store/apps/details?id=com.company.etc.aksaraende

Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I., & Salakhutdinov, R. (2014). Dropout: A simple way to prevent neural networks from overfitting. Journal of Machine Learning Research, 15(56), 1929–1958. http://jmlr.org/papers/v15/srivastava14a.html

Yuniari, N. P. W., Kumara, I. M. S., Raharja, I. K. A. W., Bhaskara, I. M. A., Darma, I. G. W., & Dana, G. W. P. (2024). Analisis klasifikasi citra karakteristik topeng Bali menggunakan model InceptionV3 dan MobileNetV2. JELiKU (Jurnal Elektronik Ilmu Komputer Udayana), 13(2), 327–338. https://doi.org/10.24843/JLK.2024.v13.i02.p10

Zhuang, F., Qi, Z., Duan, K., Xi, D., Zhu, Y., Zhu, H., Xiong, H., & He, Q. (2021). A comprehensive survey on transfer learning. Proceedings of the IEEE, 109(1), 43–76. https://doi.org/10.1109/JPROC.2020.3004555