Abstract
Batik merupakan salah satu warisan kesenian dari leluhur yang ditetapkan oleh badan dunia PBB yakni UNESCO sebagai warisan budaya bangsa Indonesia. Pengetahuan tentang macam macam motif batik secara eksplisit yang jarang dimiliki oleh orang awam dan hanya dimiliki orang-orang tertentu yang memiliki keahlian pada bidang tersebut. Untuk mengatasi permasalahan tersebut, perlu dibuat sistem pengenalan jenis-jenis batik yang optimal melalui pendekatan algoritma Convolution Neural Network yang diharapkan dapat memberikan pengenalan motif batik secara optimal. Pengujian dilakukan dengan melakukan pengujian terhadap vektor yang ada. Berdasarkan nilai probabilitas yang diperoleh dari setiap pengujian, maka membuktikan bahwa metode ini mampu mengklasifikasi batik dengan cukup baik.
References
Adam. R., R. 2016. Deep Learning Untuk Pengenalan Pelafalan Huruf Hijaiyah Berharakat. UGM: Program Studi Ilmu Komputer. Skripsi.
Huang, G.-B., Zhu, Q.-Y. and Siew, C.-K. 2006. Extreme learning machine : theory and applications. Int. J. of Neurocomputing 70(2006): 489-501.
Krizhevsky, A., Sutskever, I. dan Hinton, G.E. 2012. ImageNet Classification with Deep Convolutional Neural Networks. Neural Information Processing Systems, pp.1–9.
Sarraf, S & Tofighi, G. 2016. Classification of Alzheimer’s Disease using fMRI Data and Deep Learning Convolutional Neural Networks. arXiv:1603.08631.
Wicaksono, Ardian Yusuf., Suciati, Nanik., Fatichah, Chastine., Uchimura, Keiichi. dan Koutaki, Gou. 2017. Modified Convolutional Neural Network Architecture for Batik Motif Image Classification. IPTEK, Journal of Science Vol. 2 No. 1.
Suartika, I. W. E. P., Wijaya, A. R & Soelaiman, R. 2016. Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101. Jurnal Teknik ITS Vol. 5 No. 1.
Sutoyo, T. 2009. Teori Pengolahan Citra Digital. Yogyakarta:Andi.
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Copyright (c) 2020 Atho’ul Muwafiq, Danar Putra Pamungkas