Klasifikasi Batik Menggunakan Algoritma CNN (Convolutional Neural Network)

Dias Ramadhan; Rio Aldi Erwanto; Rony Tan Enwan

Authors

Dias Ramadhan Universitas Nusantara PGRI Kediri
Rio Aldi Erwanto Universitas Nusantara PGRI Kediri
Rony Tan Enwan Universitas Nusantara PGRI Kediri

Keywords:

batik, klasifikasi, convolutional neural netwok, image, deep learning

Abstract

Batik adalah warisan budaya Indonesia,yang telah menjadi ciri khas orang Indonesia. Banyak corak dan motif batik, dan setiap corak atau motif memiliki karakteristik unik. Sebagai bagian dari upaya untuk melestarikan batik, penelitian tentang klasifikasi batik digunakan untuk mengidentifikasi motif citra batik. Dengan demikian, penelitian ini dilakukan menggunakan metode pembelajaran dengan data citra batik. Salah satu metode klasifikasi yang akurat dan efisien dengan tingkat akurasi tinggi adalah Convolutional Neural Network (CNN). Convolutional Neural Network (CNN) adalah kombinasi teknik deep learning dan jaringan syaraf tiruan. CNN terdiri dari tiga lapisan utama: lapisan convolutional, lapisan pooling, dan lapisan penuh terhubung. Setelah melakukan pembahasan, analisis ini diakhiri dengan kesimpulan mengenai algoritma Convolutional Neural Network dalam mengklasifikasikan Batik. Berdasarkan penelitian-penelitian sebelumnya, dapat diketahui bahwa convolution neural network dapat bekerja dengan baik untuk klasifikasi citra dengan dataset yang besar. Dengan mengevaluasi metode yang telah dijelaskan dengan mempertimbangkan arsitektur dan tingkat akurasi maka klasifikasi batik menunjukkan bahwa ukuran citra, kualitas citra, pola citra mempengaruhi proses klasifikasi batik. Hasil dari penelitian ini mendapatkan akurasi model pada data pengujian tercapai sebesar 0.5263 atau sekitar 52.63%.

Downloads

Download data is not yet available.

References

N. D. Girsang, “Classification Of Batik Images Using Multilayer Perceptron With Histogram Of Oriented Gradient Feature Extraction,” in Proceeding International Conference on Science and Engineering, 2021, pp. 197–204.

C. Jatmoko and D. Sinaga, “Ektraksi Fitur Glcm Pada K-Nn Dalam Mengklasifikasi Motif Batik,” 2019.

A. A. Trixie, “Filosofi Motif Batik Sebagai Identitas Bangsa Indonesia,” Folio, vol. 1, no. 1, pp. 1–9, 2020.

R. A. Putri and N. Rochmawati, “Penerapan Algoritma Support Vector Machine untuk Klasifikasi Motif Citra Batik Solo Berdasarkan Fitur Multi-Autoencoders,” Journal of Informatics and Computer Science (JINACS), vol. 1, no. 01, pp. 56–63, 2019.

C. Umam and L. B. Handoko, “Convolutional Neural Network (CNN) Untuk Identifkasi Karakter Hiragana,” in Prosiding Seminar Nasional Lppm Ump, 2021, pp. 527–533.

S. C. A. Pradhana, U. N. Wisesty, and F. Sthevanie, “Pengenalan Aksara Jawa dengan Menggunakan Algoritma Convolutional Neural Network,” eProceedings of Engineering, vol. 7, no. 1, 2020.

M. M. Susilo, D. M. Wonohadidjojo, and N. Sugianto, “Pengenalan Pola Karakter Bahasa Jepang Hiragana Menggunakan 2D Convolutional Neural Network,” Jurnal Informatika dan Sistem Informasi, vol. 3, no. 2, pp. 28–36, 2017.

T. A. Bowo, H. Syaputra, and M. Akbar, “Penerapan Algoritma Convolutional Neural Network Untuk Klasifikasi Motif Citra Batik Solo,” Journal of Software Engineering Ampera, vol. 1, no. 2, pp. 82–96, May 2020, doi: 10.51519/journalsea.v1i2.47.

M. R. A. Yudianto, K. Kusrini, and H. Al Fatta, “Analisis Pengaruh Tingkat Akurasi Klasifikasi Citra Wayang dengan Algoritma Convolitional Neural Network,” (JurTI) Jurnal Teknologi Informasi, vol. 4, no. 2, pp. 182–191, 2020.

A. Prayoga, P. Sukmasetya, M. R. A. Yudianto, and R. A. Hasani, “Arsitektur Convolutional Neural Network untuk Model Klasifikasi Citra Batik Yogyakarta,” Journal of Applied Computer Science and Technology, vol. 4, no. 2, pp. 82–89, 2023.

K. Wabang and O. D. Nurhayati, “Application of The Naïve Bayes Classifier Algorithm to Classify Community Complaints,” Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 6, no. 5, pp. 872–876, 2022.

B. P. Pratiwi, A. S. Handayani, and S. Sarjana, “Pengukuran Kinerja Sistem Kualitas Udara Dengan Teknologi Wsn Menggunakan Confusion Matrix,” Jurnal Informatika Upgris, vol. 6, no. 2, 2020.