Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat
DOI:
https://doi.org/10.52072/unitek.v16i1.504Kata Kunci:
Convolutional Neural Network, Deep Learning, Klasifikasi, Batik, Sumatera Barat.Abstrak
Teknologi kecerdasan buatan yang berfokus penggunaan data dan algoritma untuk meniru cara manusia belajar, salah satu model pembelajaran tersebut adalah adanya performa komputasi dengan menggunakan teknik deep learning. Convolutional neural network (CNN) adalah arsitektur deep learning yang sering digunakan untuk mengatasi masalah klasifikasi gambar. Selain itu, penggunaan teknik pre-processing pada data dapat membantu meningkatkan performa model dengan memperkaya variasi data. Batik telah menjadi warisan budaya turun temurun di seluruh Indonesia khususnya di daerah Sumatera Barat. Banyaknya pola dan motif batik mengakibatkan sulitnya masyarakat mengidentifikasi motif pada batik. Tujuan penelitian ini adalah mengetahui apakah CNN dapat digunakan untuk klasifikasi batik tanah liat Sumatera Barat. Data yang digunakan Penelitian ini adalah 400 citra batik dan dibagi menjadi 4 kelas, ditentukan 320 citra sebagai data latih dan 80 citra sebagai data uji. Hasil pengujian didapat nilai akurasi sebesar 50%. Tingkat akurasi ini cukup baik sebagai rujukan dalam membangun real application pengenalan motif batik secara umum. Hasil ini menunjukkan metode CNN dapat diterapkan untuk mengklasifikasi batik tanah liat Sumatera Barat.
Unduhan
Referensi
Anggeli, P., Agung, Mz., Teknik Elektro Program Studi Teknik Telekomunikasi, J., Negeri Sriwijaya Palembang, P., Jl Srijaya Negara, I., Besar, B., Ilir Barat, K. I., Palembang, K., & Selatan, S. (2021). Klasifikasi Alat Musik Tradisional dengan Metode Machine Learning dengan Librosa dan Tensorflow pada Python. In Jurnal Sains Komputer & Informatika (J-SAKTI (Vol. 5, Issue 2).
owo, T. A., Syaputra, H., & Akbar, M. (2020). Penerapan Algoritma Convolutional Neural Network Untuk Klasifikasi Motif Citra Batik Solo. In Journal of Software Engineering Ampera (Vol. 1, Issue 2). https://journal-computing.org/index.php/journal-sea/index
Febrian Tumewu, S. (2020). Klasifikasi Motif Batik menggunakan metode Deep Convolutional Neural Network dengan Data Augmentation.
Hasyim, F., Malik, K., Rizal, F., Nurul Jadid, U., Artikel, R., & Kunci Batik, K. (2021). Implementasi Algoritma Convolutional Neural Networks (CNN) Untuk Klasifikasi Batik. Jurnal Kecerdasan Buatan, Komputasi Dan Teknologi Informasi, 2(2), 40–47. https://ejournal.unuja.ac.id/index.php/core
Maulida, I. (2021). KLASIFIKASI KAIN KHAS BATIK DAN KAIN KHAS SASIRANGAN DENGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK.
Mawan, R. (2020). Klasifikasi motif batik menggunakan convolutional neural network. Jnanaloka, 1(2), 45–50. https://doi.org/10.36802/jnanaloka
Muna Malika, & Edy Widodo. (2021). Implementasi Deep Learning Untuk Klasifikasi Gambar Menggunakan Convolutional Neural Network (Cnn) Pada Batik Sasambo. PROSIDING KONFERENSI NASIONAL MATEMATIKA XX, 2(1), 335–340. https://doi.org/10.30598/PattimuraSci.2021.KNMXX
Muwafiq, A., & Pamungkas, D. P. (2020). Implementasi Convolutional Neural Network untuk klasifikasi motif batik. Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 4(2), 121–126.
Omori, Y., & Shima, Y. (2020). Image Augmentation for Eye Contact Detection Based on Combination of Pre-trained Alex-Net CNN and SVM. Journal of Computers, 15(3), 85–97. https://doi.org/10.17706/jcp.15.3
Prahartiningsyah, A. A., & Kurniawan, T. B. (2021). Pengenalan Pola Angka Menggunakan Pendekatan Optimisasi Sistem Kekebalan Buatan (Artificial Immune System). JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(3), 856. https://doi.org/10.30865/mib.v5i3.2997
Zein Ersyad, M., Ramadhani, K. N., & Arifianto, A. (2020). Pengenalan Bentuk Tangan dengan Convolutional Neural Network (CNN).
