Penerapan Semi-Supervised Learning Menggunakan Teknik Pseudo-labeling Pada CNN Untuk Pengenalan Aksara Lontara

Abstract

Aksara Lontara merupakan representasi kultural masyarakat Sulawesi Selatan yang memerlukan upaya preservasi digital secara berkelanjutan. Convolutional Neural Network (CNN) telah banyak digunakan untuk pengenalan citra karakter aksara daerah, namun performanya sangat bergantung pada ketersediaan data berlabel (labeled data) yang umumnya terbatas dan mahal secara anotasi. Penelitian ini menerapkan Semi-Supervised  Learning (SSL) dengan teknik Pseudo-labeling pada arsitektur CNN untuk mengklasifikasikan 23 kelas aksara Lontara. Dataset yang digunakan berjumlah 7.452 citra yang diperoleh dari repositori publik Kaggle, kemudian dibagi menjadi 1.491 citra data uji (20%), 2.384 citra data berlabel (40% dari sisa data), dan 3.577 citra data tidak berlabel (60% dari sisa data). Arsitektur CNN yang diusulkan terdiri atas tiga blok konvolusi dengan lapisan Batch Normalization, Max Pooling, satu lapisan Dense 256 neuron, dan Dropout  0.5, dengan total 1.279.959 parameter. Model dasar yang dilatih hanya dengan 2.384 citra berlabel mencapai akurasi pengujian sebesar 99.93%. Selanjutnya, model memprediksi 3.577 citra tidak berlabel, dan prediksi dengan probabilitas di atas ambang batas (confidence threshold) τ = 0.95 dikonversi menjadi pseudo-label, menghasilkan 3.537 citra tambahan (98,88% dari total data tidak berlabel). Penggabungan data berlabel dan pseudo-labeled menjadi 5.921 citra digunakan untuk melatih ulang model secara iteratif, sehingga akurasi pengujian akhir meningkat menjadi 100%. Temuan ini menunjukkan bahwa kombinasi regularisasi (augmentasi, Batch Normalization, Dropout) dan SSL berbasis pseudo-labeling sangat efektif untuk pengenalan citra aksara Lontara meskipun hanya menggunakan sebagian kecil data beranotasi manual.