Perpustakaan Digital ITB

Arsip Nasional Republik Indonesia (ANRI) menyimpan ribuan koleksi dokumen paleografi dari abad ke-16 hingga ke-18 yang memiliki nilai sejarah krusial. Namun, sebagian besar dokumen tersebut mengalami degradasi fisik yang parah akibat faktor usia, kelembapan tropis, dan korosi tinta iron gall. Kondisi ini memunculkan tantangan ganda: dokumen sulit dibaca secara visual oleh manusia dan hampir mustahil diproses oleh mesin. Pendekatan restorasi konvensional selama ini cenderung menitikberatkan pada perbaikan visual semata (estetika), seperti penghilangan noda dan peningkatan kontras. Sayangnya, peningkatan kualitas visual tersebut tidak selalu berbanding lurus dengan peningkatan keterbacaan mesin, yang menjadi syarat mutlak bagi upaya digitalisasi dan pengindeksan arsip secara massal. Kesenjangan antara kualitas visual dan fungsional inilah yang menjadi fokus utama penelitian ini. Penelitian ini bertujuan mengembangkan metode restorasi dokumen berbasis Generative Adversarial Network (GAN) yang secara eksplisit mengintegrasikan umpan balik semantik guna meningkatkan kinerja Handwritten Text Recognition (HTR). Kebaruan penelitian ini terletak pada penerapan strategi frozen recognizer yang dikombinasikan dengan fungsi kerugian multiobjektif lima komponen, serta evaluasi mendalam terhadap arsitektur diskriminator dual-modal. Metode yang digunakan melibatkan pelatihan generator U-Net yang dimodifikasi, yang belajar tidak hanya dari perbedaan piksel citra, tetapi juga dari umpan balik gradien model pengenal teks yang bobotnya dibekukan. Pendekatan ini dirancang untuk menjaga stabilitas pelatihan yang sering kali menjadi masalah pada arsitektur GAN konvensional. Evaluasi dilakukan secara komprehensif menggunakan 712 citra uji semisintetis yang merepresentasikan karakteristik degradasi dokumen historis. Hasil penelitian menunjukkan bahwa model yang diusulkan mampu menurunkan Character Error Rate (CER) secara signifikan dari rata-rata 83,4% pada dokumen terdegradasi menjadi 34,9% pada dokumen hasil restorasi (p < 0,001). Capaian CER 34,9% ini hampir setara dengan CER 34,1% yang diperoleh ketika model pengenal memproses citra bersih tanpa degradasi—batas bawah teoretis yang mencerminkan keterbatasan inheren model pengenal itu sendiri. Selain keunggulan fungsional, model juga mempertahankan kualitas visual yang tinggi dengan skor Peak i Signal-to-Noise Ratio (PSNR) mencapai 30,74 dB dan Structural Similarity Index (SSIM) sebesar 0,987. Dibandingkan dengan penelitian sejenis yang menggunakan arsitektur joint-training, pendekatan frozen recognizer terbukti lebih unggul dalam mencegah fenomena mode collapse dan ketidakstabilan gradien. Melalui studi ablasi, penelitian ini mengungkap temuan empiris yang menantang asumsi umum dalam literatur deep learning terkini. Studi ini menemukan bahwa penambahan kompleksitas arsitektur melalui diskriminator dual-modal (visual-tekstual) hanya memberikan kontribusi peningkatan kinerja yang marginal dan tidak signifikan secara statistik. Sebaliknya, protokol pelatihan yang disiplin menggunakan strategi frozen recognizer dan penyeimbangan fungsi loss terbukti menjadi faktor determinan utama keberhasilan restorasi. Hal ini mengindikasikan bahwa stabilitas sinyal pembelajaran jauh lebih vital daripada kompleksitas arsitektur jaringan itu sendiri. Secara teoretis, penelitian ini menyumbangkan wawasan baru mengenai prinsip parsimoni dalam perancangan jaringan saraf tiruan untuk restorasi dokumen, yakni arsitektur yang lebih efisien dapat mengungguli arsitektur kompleks apabila dilatih dengan strategi berobjektif ganda yang tepat. Secara praktis, metode ini menawarkan solusi konkret bagi lembaga kearsipan untuk mempercepat proses transkripsi otomatis dokumen historis yang sebelumnya tidak terbaca, membuka peluang baru bagi pelestarian warisan budaya bangsa di era digital.