Computer Vision memiliki permasalahan yang penting di dalamnya adalah salah
satunya yang berkaitan dengan klasifikasi citra, dimana pada dasarnya klasifikasi citra biasa
digunakan untuk mendeteksi suatu objek di dalam suatu citra. Proses klasifikasi citra ini
dianggap tidak mudah untuk dilakukan oleh komputer, oleh karena itu untuk mempermudah
komputer dalam proses pengklasifikasian citra maka beberapa peneiliti menggunakan
beberapa metode, diantaranya yang paling klasik digunakan adalah metode jaringan syaraf
tiruan. Akan tetapi dalam penggunaan metode tersebut masih terdapat batasannya,
diantaranya jumlah neuron yang digunakan sehingga hasil yang digunakan untuk klasifikasi
citra masih belum optimal. Sementara itu salah satu metode yang sangat populer belakangan
ini untuk menangani keterbatasan dari metode yang sebelumnya adalah dengan
menggunakan teknik dari Deep Learning yakni menggunakan metode Convolutional Neural
Network (CNN).
Berdasarkan hasil penelitian yang telah dilakukan dengan metode CNN dalam hal ini
menghasilkan tingkat akurasi untuk trainingnya adalah sebesar 90% dengan waktu training
menggunakan GPU sebesar 409.25 detik. Lalu tingkat akurasi untuk tes pengklasifikasian
aksara jawa yang cukup baik yakni sebesar 85%, dimana ini merupakan modal yang sangat
baik untuk dikembangkan menjadi sebuah sistem yang dapat mengenali rangkaian aksara
jawa.