EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Evaluasi Kinerja Arsitektur Lightweight GhostNet pada Klasifikasi Tulisan Tangan Aksara Batak

Egi Dio Bagus Sudewo, Hainur Rasyid, Muhammad Kunta Biddinika, Kariyamin Kariyamin, Reni Yunita

Insect (Informatics and Security): Jurnal Teknik Informatika · 28.10.2026 · 12 (2) · 276-286

DOI: 10.33506/insect.v12i2.5799 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Insect (Informatics and Security): Jurnal Teknik Informatika, online erschienen am 28.10.2026. Verfasst von Egi Dio Bagus Sudewo und 4 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Aksara Batak merupakan salah satu warisan budaya tertulis Indonesia yang keberadaannya semakin terancam akibat menurunnya penggunaan serta terbatasnya sumber daya digital untuk pembelajaran dan pelestariannya. Digitalisasi melalui teknologi pengenalan karakter otomatis menjadi salah satu solusi yang dapat mendukung upaya preservasi aksara tersebut. Namun, klasifikasi tulisan tangan Aksara Batak menghadapi tantangan berupa tingginya variasi bentuk karakter, kemiripan visual antaraksara, serta jumlah kelas yang besar. Penelitian ini bertujuan untuk mengevaluasi kinerja arsitektur lightweight GhostNetv2_100 dalam klasifikasi tulisan tangan Aksara Batak. Dataset yang digunakan terdiri atas 76.050 citra yang terbagi ke dalam 117 kelas, dengan skema pembagian data 70% data latih, 20% data validasi, dan 10% data uji. Tahap pra-pemrosesan meliputi konversi grayscale, thresholding adaptif, resize citra menjadi 224×224 piksel, normalisasi piksel, dan one-hot encoding label. Model dilatih menggunakan optimizer Adam, batch size 64, dan maksimum 50 epoch. Hasil eksperimen menunjukkan bahwa GhostNetv2_100 mampu mencapai akurasi sebesar 99,34%, precision sebesar 99,36%, recall sebesar 99,34%, dan F1-score sebesar 99,34% pada data uji. Temuan ini menunjukkan bahwa GhostNetv2_100 mampu memberikan performa klasifikasi yang sangat tinggi sekaligus mempertahankan efisiensi komputasi melalui penggunaan Ghost Module dan DFC Attention.

Zitieren

APA

Sudewo, E. D. B., Rasyid, H., Biddinika, M. K., Kariyamin, K., & Yunita, R. (2026). Evaluasi Kinerja Arsitektur Lightweight GhostNet pada Klasifikasi Tulisan Tangan Aksara Batak. Insect (Informatics and Security): Jurnal Teknik Informatika, 12(2), 276-286. https://doi.org/10.33506/insect.v12i2.5799

Vancouver

Sudewo EDB, Rasyid H, Biddinika MK, Kariyamin K, Yunita R. Evaluasi Kinerja Arsitektur Lightweight GhostNet pada Klasifikasi Tulisan Tangan Aksara Batak. Insect (Informatics and Security): Jurnal Teknik Informatika. 2026;12(2):276-286. doi:10.33506/insect.v12i2.5799

BibTeX
@article{Sudewo2026,
  author = {Sudewo, Egi Dio Bagus and Rasyid, Hainur and Biddinika, Muhammad Kunta and Kariyamin, Kariyamin and Yunita, Reni},
  title = {Evaluasi Kinerja Arsitektur Lightweight GhostNet pada Klasifikasi Tulisan Tangan Aksara Batak},
  journal = {Insect (Informatics and Security): Jurnal Teknik Informatika},
  year = {2026},
  volume = {12},
  number = {2},
  pages = {276--286},
  doi = {10.33506/insect.v12i2.5799}
}
Kostenlos starten →