MODEL TRANSLITERASI OTOMATIS CITRA NASKAH AKSARA JAWA

ANASTASIA RITA WIDIARTI, Drs. Agus Harjoko, Msc., Ph.D.

2015 | Disertasi | S3 Ilmu Komputer

Transliterasi naskah atau manuskrip beraksara Jawa umumnya dilakukan dengan cara membaca manuskrip tersebut dan dilanjutkan dengan menuliskan hasilnya ke kertas lain atau ke komputer dengan mempergunakan program pengolah teks tertentu. Cara kerja transliterasi itu mengandaikan bahwa pekerja memahami betul cara membaca manuskrip, lama kerja tidak menjadi persoalan, dan konsentrasi pekerja sangat baik sehingga diharapkan mengurangi kesalahan saat menulis ulang. Sistem transliterasi otomatis yang merupakan implementasi model transliterasi manuskrip beraksara Jawa dengan mempergunakan bahasa pemrograman tertentu menjadi salah satu alternatif pemecahan persoalan transliterasi. Setelah survey ke sumber data dan penelusuran pustaka terkait konsep transliterasi otomatis dan aturan-aturan penulisan aksara Jawa, dilakukan penyusunan kerangka model yang diikuti dengan pembuatan basis data aksara Jawa yang akan dipergunakan untuk proses pengujian dari implementasi model di laboratorium. Data utama untuk sumber penelitian transliterasi lengkap adalah hasil digitalisasi pada hasil fotokopi manuskrip dengan nomor katalog SB.141 yang tersimpan di museum Sonobudoyo dan bergaya tulisan mbata sarimbag. Setiap kali hasil pengujian modul mendapatkan tingkat keberhasilan yang sangat rendah maka terjadi revisi kerangka model dan kemudian langsung revisi modulmodul untuk pengujian ulang lagi, sampai hasil transliterasi bisa dinyatakan cukup baik. Penelitian telah menghasilkan 11274 bentuk aksara Jawa unik serta transliterasinya sesuai tata bahasa baku bahasa Jawa, dan telah dihasilkan pula model transliterasi manuskrip beraksara Jawa beserta prototipe modul-modul untuk transliterasi manuskrip sebagai hasil implementasi model. Pengujian sistem transliterasi pada manuskrip bernomor katalog SB.141, dengan tingkat kepercayaan 95% menghasilkan tingkat keberhasilan segmentasi manuskrip antara 85,9% sampai dengan 94,82%, tingkat keberhasilan transliterasi citra aksara Jawa antara 73,51% sampai dengan 85,69%, dan tingkat keberhasilan penggabungan silabel antara 69,20% sampai dengan 87,29%.

Javanese script manuscript transliteration is generally performed by reading manuscripts and writing the results to other papers or to computers using certain text processing program. The transliteration works by presuming that workers know well how to read manuscripts, length of work isn’t a problem, and workers’ concentration is very good so mistakes in rewriting are reduced. Automatic transliteration system is the implementation of Javanese script manuscript model using certain programming language is an alternative to solve transliteration problem. After surveying into data source and searching literatures related to automatic transliteration concept and Javanese script rules of writing, a framework of the model was made, followed by making a database of Javanese script which would be used to test the implementation of the model in the laboratory. The primary data for the source of complete transliteration study was the result of digitalization of the photocopy of manuscript with catalogue number SB.141 which is stored in Sonobudoyo museum and has mbata sarimbag writing style. Every time the result of module testing received very low success rate, the framework of the model was revised and modules were immediately revised for retesting, the result of transliteration was quite good. The research had produced 11274 unique forms of Javanese script and transliteration according to the standard grammar of Javanese language, and also produced a transliteration model of Javanese script manuscripts and prototypes of modules for manuscript transliteration as the result of the implementation of the model. The testing of transliteration system on manuscript with catalogue number SB.141, with confidence level 95% produced success level of manuscript segmentation between 85,9% and 94,82%, success level of transliteration of Javanese script images between 73,51% and 85,69%, and success level of syllable combination between 69,20% and 87,29%.

Kata Kunci : -