KLASIFIKASI MOTIF KAIN TENUN MALAKA MENGGUNAKAN MOBILENETv2 DAN DECISION TREE
DOI:
https://doi.org/10.29407/6hzxp803Abstract
Kain tenun Malaka merupakan salah satu warisan budaya Indonesia yang memiliki nilai estetika dan filosofis tinggi. Namun, proses pengenalan motif kain tenun secara manual masih menghadapi kendala dalam hal efisiensi dan ketepatan identifikasi. Penelitian ini bertujuan untuk membangun sistem klasifikasi motif kain tenun Malaka berbasis pengolahan citra digital dan kecerdasan buatan. Metode yang digunakan adalah MobileNetV2 sebagai metode ekstraksi fitur dan Decision Tree sebagai algoritma klasifikasi. Dataset penelitian terdiri atas 300 citra yang terbagi ke dalam enam kelas, yaitu Futus Kukit, Lafaek, Marobo, Sasui, Silu Kesak, dan NonTenun. Tahapan penelitian meliputi pengumpulan data citra, preprocessing data, ekstraksi fitur menggunakan MobileNetV2, pelabelan data, klasifikasi menggunakan Decision Tree, pembagian dataset menjadi 80% data training dan 20% data testing, serta evaluasi model menggunakan metrik accuracy, precision, recall, dan F1-score. Berdasarkan hasil pengujian, sistem memperoleh tingkat akurasi sebesar 65% dalam mengklasifikasikan motif kain tenun Malaka. Hasil tersebut menunjukkan bahwa kombinasi MobileNetV2 dan Decision Tree dapat diterapkan dalam sistem klasifikasi motif kain tenun Malaka, meskipun performa model masih dapat ditingkatkan melalui penambahan jumlah dataset dan penerapan teknik augmentasi data.
Keywords:
Decision Tree, Kain Tenun Malaka, Pengolahan Citra, MobileNetV2##plugins.themes.default.displayStats.downloads##
References
[1] L. K. Octavi ni n S. A. Kom l s ri, ―K in t nun ik t s g i wis t u y
K up t n Sikk ,‖ Kepariwisataan J. Ilm., vol. 14, no. 3, pp. 151–159, 2020.
[2] M. I. W h , E. B r r , n D. Aswim, ―M ngg li M kn Motif T nun Ik t D l m
Hubungan Dengan Perilaku Sosial Masyarakat Di Desa Sikka Kecamatan Lela
K up t n Sikk ,‖ Semin. Nas. Teknol. Kearifan Lokal dan Pendidik. Transform, vol.
1, no. 1, pp. 11–18, 2024.
[3] J. M r j n V. R sti nim, ―K ji n tnom t m tik p motif t nun ik t En Lio,‖
J. Progr. Stud. Pendidik. Mat., vol. 11, no. 1, pp. 727–733, 2022.
[4] Y. Rizki, R. M. T ufiq, H. Mukht r, n D. Putri, ―Kl sifik si Pol K in T nun M l yu
Menggunakan Faster R-CNN,‖ IT J. Res. Dev., vol. 5, no. 2, pp. 215–225, 2021.
[5] D. G. T. M r nggi, N. Yu istir , n Y. A. S ri, ―B tik cl ssific tion using
convolution l n ur l n twork with t improv m nts,‖ JOIV Int. J. Informatics Vis.,
vol. 6, no. 1, pp. 6–11, 2022.
[6] R. F. Aly , M. Wi owo, n P. P r is , ―Cl ssific tion of tik motif using tr nsf r
l rning on convolution l n ur l n twork (CNN ,‖ J. Tek. Inform., vol. 4, no. 1, pp.
161–170, 2023.
[7] E. K. K m o n Y. R. K sm t n, ―Kl sifik si Motif K in T nun i Pul u Flor s
M nggun k n M to CNN n RNN,‖ Blend Sains J. Tek., vol. 4, no. 1, pp. 175–187,
2025.
[8] M. Sandler, A. Howard, M. Zhu, A. Zhmoginov, and L.-C. Ch n, ―Mo il n tv :
Inverted r si u ls n lin r ottl n cks,‖ in Proceedings of the IEEE conference on
computer vision and pattern recognition, 2018, pp. 4510–4520.
[9] M. F. N zuli, M. F chrurrozi, M. Q. Rizqi , A. A i ns h, n M. Ikhs n, ―A Im g
Classification of Poisonous Plants Using the MobileNetV2 Convolutional Neural N twork Mo l M tho ,‖ MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput.,
vol. 24, no. 2, pp. 371–380, 2025.
[10] X. H n, ―Fruit Im g Cl ssific tion B s on SVM, D cision Tr n KNN‖.
[11] A. Peryanto, A. Yu h n , n R. Um r, ―Kl sifik si citr m nggun k n convolution l
n ur l n twork n k fol cross v li tion,‖ J. Appl. Informatics Comput., vol. 4, no. 1,
pp. 45–51, 2020.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
