Pengenalan Karakter Hieroglif Mesir Kuno Menggunakan Convolutional Neural Network

Isi Artikel Utama

Darmatasia Darmatasia

Abstrak

Penelitian ini mengimplementasikan Convolutional Neural Network (CNN) untuk mengenali Hieroglif Mesir kuno. CNN adalah salah satu arsitektur deep learning yang secara otomatis mempelajari fitur pada sebuah data secara hierarki. CNN secara efektif mengintegrasikan ekstraksi fitur dan pengklasifikasi ke dalam satu sistem. Penelitian ini menggunakan karakter hieroglif dari piramida Unas yang terdiri dari 170 jenis karakter, namun penelitian ini hanya menggunakan 11 jenis karakter yang memiliki jumlah sampel di atas 100 yaitu karakter D21, E34, G17, G43, I9, M17, N35, O50, S29, V31, dan X1. Hasil penelitian menunjukkan bahwa akurasi yang diperoleh mencapai 99%. Penelitian ini diharapkan dapat membantu arkeolog, peminat, turis, dan pengunjung museum untuk mengenali karakter atau tulisan hieroglif sebagai salah satu benda bersejarah yang hanya diketahui oleh beberapa orang saja.


Kata Kunci: pengenalan karakter, hieroglif Mesir kuno, convolutional neural network

Rincian Artikel

Bagian
Vol.8, No.1 (Mei 2023)