Keywords
cnn
Mobile-Netv2
Klasifikasi
How to Cite
Abstract
Keberagaman budaya Indonesia tecermin dalam motif batik. Mengingat kompleksitas identifikasi manual, penelitian ini mengembangkan sistem klasifikasi motif batik Kediri (Hewan, Tumbuhan, Wayang) menggunakan Convolutional Neural Network (CNN) berarsitektur MobileNetV2. Model dilatih dengan 600 gambar yang diproses dan di-augmentasi. Hasilnya, model mencapai akurasi validasi 90,50%, didukung metrik performa tinggi. Efisiensi komputasi MobileNetV2 menjadikannya solusi menjanjikan untuk aplikasi identifikasi batik real-time di perangkat mobile, sekaligus mendukung pelestarian warisan budaya
References
[1] S. Handayani, A. Zuhdi, and R. Shofiati, “Implementation of Gray Level Co-occurrence Matrix (GLCM) and Support Vector Machine (SVM) Methods for Recognition of Batik Bekasi Motifs Implementation of Gray Level Co-occurrence Matrix (GLCM) and Support Vector Machine (SVM) Methods for Recognition of B,” Intelmatics, vol. 2, no. 2, pp. 67–72, 2022, doi: https://doi.org/10.25105/itm.v2i2.14423.
[2] M. Putri and R. G. Mubarok, “Bhinneka Tunggal Ika Sebagai Identitas Bangsa Indonesia,” J. …, vol. 1, no. 1, pp. 1–6, 2023, [Online]. Available: https://jurnal.stkipkusumanegara.ac.id/index.php/jcv/article/view/1805
[3] J. Inovasi and D. A. N. Kreativitas, “EKSPRESI KEBUDAYAAN DALAM BATIK : ANALISIS PENULISAN DAN MOTIF CULTURAL EXPRESSION IN BATIK : AN ANALYSIS OF WRITING AND MOTIFS,” vol. 4, no. September, pp. 43–54, 2024, doi: https://doi.org/10.30656/jika.v4i2.9465.
[4] A. A. Trixie et al., “Trixie,” A John Steinbeck Encycl., p. 401, 2006 doi: https://doi.org/10.29100/jipi.v10i1.5873.
[5] A. D. Paramita, “PERAN BATIK CELAKET MALANG DALAM MENINGKATKAN”.
[6] Y. Yohannes, S. Devella, and A. H. Pandrean, “Penerapan Speeded-Up Robust Feature pada Random Forest Untuk Klasifikasi Motif Songket Palembang,” J. Tek. Inform. dan Sist. Inf., vol. 5, no. 3, pp. 360–369, 2020, doi: https://doi.org/10.28932/jutisi.v5i3.1978.
[7] R. Azhar, D. Tuwohingide, D. Kamudi, Sarimuddin, and N. Suciati, “Batik Image Classification Using SIFT Feature Extraction, Bag of Features and Support Vector Machine,” Procedia Comput. Sci., vol. 72, pp. 24–30, 2015, doi: https://doi.org/10.1016/j.procs.2015.12.101.
[8] F. Alghifari and D. Juardi, “Penerapan Data Mining Pada Penjualan Makanan Dan Minuman Menggunakan Metode Algoritma Naïve Bayes,” J. Ilm. Inform., vol. 9, no. 02, pp. 75–81, 2021, doi: 10.33884/jif.v9i02.3755.
[9] D. Carlos, D. E. Herwindiati, and C. Lubis, “Implementasi Algoritma Convolutional Neural Networks Untuk Klasifikasi Jenis Cat Tembok Menggunakan Arsitektur MobileNet,” Build. Informatics, Technol. Sci., vol. 6, no. 1, pp. 395–402, 2024, doi: https://doi.org/10.47065/bits.v6i1.5322.
[10] A. Ambarwari, E. M. Husni, and D. Mahayana, “Perkembangan Paradigma Metode Klasifikasi Citra Penginderaan Jauh dalam Perspektif Revolusi Sains Thomas Kuhn,” J. Filsafat Indones., vol. 6, no. 3, pp. 465–473, 2023, doi: 10.23887/jfi.v6i3.53865.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2025 DYA AYU SUCININGRUM, DANAR PUTRA PAMUNGKAS, DANANG WAHYU WIDODO