Klasifikasi Aksara Jawa, HANACARAKA atau Aksara Carakan sangat diperlukan, karena untuk membantu dalam mengetahui bentuk setiap Aksara Jawa atau Akasara Carakan yang berbeda-beda antara satu dengan yang lainnya. Aksara Jawa atau Aksara Carakan mempunyai dua puluh karakter, yaitu ha, na, ca, ra, ka, da, ta, sa, wa, la, pa, dha, ja, ya, nya, ma, ga, ba, tha dan nga. Kondisi tersebut dapat menjadi sebuah malasah pada sebuah penemuan prasasti dikarenakan bentuknya yang berbeda-beda. Convolutional Neural Network (CNN) menjadi salah satu solusi dalam mendeteksi dan klasifikasi huruf Aksara Jawa atau Aksara Carakan.
Penelitian Tugas Akhir ini menggunakan metode YOLO sebagai algoritma pendeteksi huruf Aksara Jawa. YOLO adalah salah satu algoritma yang sering digunakan untuk deteksi dan klasifikasi sebuah objek. Aksara Jawa atau Aksara Carakan mempunyai dua puluh karakter, yaitu ha, na, ca, ra, ka, da, ta, sa, wa, la, pa, dha, ja, ya, nya, ma, ga, ba, tha dan nga.
Penelitian ini menggunakan google collaboratoy dengan bahasa pemrograman python 3.6 dan menggunakan model YOLOv7 untuk menjalankan penelitian. Penelitian ini terdiri dari 2 fase yaitu fase training model dan fase testing model dengan image size 224 dan batch size 16. Selama pelatihan dan pengujian berlangsung, model akan dievaluasi hingga menemukan model terbaik yang menunjukkan performansi yang lebih tinggi. Performansi yang dihasilkan oleh YOLOv7 akan dihitung berdasarkan parameter precission, recall, F1Score dan mAP. Hasil yang didapatkan dari penelitian adalah mAP sebesar 95,7% dengan 85 epoch dan class terbaik adalah “YA” dengan mAP sebesar 99,5% pada model YOLOv7-E6
KATA KUNCI: YOLO, Convolusional Neural Network (CNN), Aksara Jawa, Precission, Recall, mAP, YOLOv7.