Pengenalan Gambar Braille Menggunakan Depthwise Separable Convolutional Neural Network

Abstract

Huruf Braille adalah huruf yang memiliki sistem tulisan yang menggunakan indra peraba untuk menggunakannya dan umum digunakan oleh penyandang tunanetra. Pada orang normal yang sering berinteraksi dengan para penyandang tunanetra terkadang mengalami kesulitan dalam menggunakan huruf braille, sehingga diperlukan suatu pendekatan teknologi sistem cerdas untuk dapat membantu mengenali huruf braille. Penelitian ini bertujuan untuk menggunakan metode depthwise separable convolutional neural network untuk melakukan pengenalan terhadap gambar braille. Dataset yang digunakan memiliki ukuran 28x28 dengan total dataset sebanyak 1560 citra. Arsitektur yang digunakan adalah input layer, yaitu sebesar 28x28x3 dan layer depthwise separable convolution pertama, kedua, dan ketiga menggunakan masing masing 3x3x128, 3x3x256, dan 2x2x512 dengan fungsi aktivasi rectified linear unit (ReLu) dan setiap konvolusi diikuti dengan lapisan-lapisan maxpooling dan batch normalization. Setelah itu, dilanjutkan dengan dua fully connected layer dengan jumlah neuron 256 dan 128 serta diakhiri dengan output layer sejumlah 26 neuron. Arsitektur tersebut menghasilkan model terbaik dengan akurasi sebesar 98.40%. Model tersebut diterapkan pada aplikasi berbasis website. Hasil temuan penelitian ini diharapkan dapat membantu masyarakat dalam mengenali huruf braille dengan mudah.   Kata kunci: tunanetra, braille, depthwise separable convolution, model, akurasi