Penelitian ini bertujuan untuk mengimplementasikan metode Convolutional Neural Network (CNN) dan pengklasifikasian karakter Aksara Sunda berbasis citra digital. Aksara Sunda merupakan salah satu warisan budaya Indonesia yang memerlukan pelestarian melalui teknologi modern agar lebih dikenal oleh masyrakat luas. Penelitian ini menggunakan dataset citra Aksara Sunda yang telah diproses melalui tahapan augmentasi data dan pemodelan CNN untuk mengidentifikasi dan mengklasifikasikan karakter-karakter tersebut. Proses pelatihan model dilakukan sebanyak 25 epoch dengan batch size 32. Percobaan dilakukan dengan satu kali model percobaan CNN pada batch 32 dan beberapa konfigurasi pada hyperparameter. Hasil penelitian menunjukkan bahwa model CNN yang diterapkan mampu mencapai tingkat akurasi sebesar 96%, menandakan evektifitas metode ini dalam mengenali pola-pola kompleks dalam citra Aksara Sunda. Temuan ini diharapkan dapat berkontribusi dalam pelestarian budaya lokal melalui pengembangan aplikasi pengenalan aksara berbasis teknologi yang dapat digunakan dalam konteks Pendidikan dan budaya.

This research aims to implement the Convolutional Neural Network (CNN) method and classify Sundanese Script characters based on digital images. Sundanese Script is one of Indonesia's cultural heritages that requires preservation through modern technology to be better known by the wider community. This study uses a dataset of Sundanese Script images that have been processed through data augmentation stages and CNN modeling to identify and classify these characters. The model training process was conducted over 25 epochs with a batch size of 32. Experiments were performed with a single CNN model trial on batch 32 and several configurations of hyperparameters. The research results show that the applied CNN model can achieve an accuracy rate of 96%, indicating the effectiveness of this method in recognizing complex patterns in Sundanese Script images. These findings are expected to contribute to the preservation of local culture through the development of technology-based script recognition applications that can be used in educational and cultural contexts.