Text
SISTEM KLASIFIKASI CITRA MOTIF BATIK BANYUWANGI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK
Batik merupakan salah satu warisan asli Indonesia dalam kategori warisan kemanusiaan untuk budaya lisan dan non-bendawi yang telah diakui oleh UNESCO sejak tahun 2009. Sejak saat itulah, penggunaan dan pengembangan batik semakin luas di berbagai daerah. Perkembangan ini juga diikuti oleh Kabupaten Banyuwangi yang sekarang ini memiliki lebih dari 20 aneka ragam motif batik. Mengingat perkembangan dunia parawisata yang cepat di Banyuwangi, sehingga banyak tempat pariwisata yang dicari oleh wisatawan dari luar daerah maupun mancanegara. Banyaknya wisatawan yang berkunjung juga secara tidak langsung berpengaruh langsung terhadap oleh-oleh yang disediakan dimana salah satunya Batik menjadi salah satu oleh-oleh favorit. Permasalahan yang terjadi adalah belum semua masyarakat mengenali keanekaragam motif batik yang ada dan informasi yang tersampaikan didalamnya, terutama masyarakat Banyuwangi sendiri. Maka sebelum mengenalkan batik asli Banyuwangi kepada para wisatawan, pengetahuan aneka ragam motif batik Banyuwangi terhadap warga lokal perlu ditingkatkan. Pada penelitian ini dikembangkan sistem yang dapat mengklasifikasikan atau mengenali motif-motif batik yang ada di Banyuwangi melalui citra yang ditangkap oleh kamera. Sistem yang dikembangkan berbasis pengolahan citra digital dengan mengusulkan metode Convolutional Neural Network (CNN) untuk melakukan feature engineering dan klasifikasi motif-motif Batik Banyuwangi. Arsitektur CNN yang diusulkan dengan teknik konvolusi yang dibagi menjadi tiga langkah. Tahap konvolusi yang pertama, diusulkan filter sebanyak 16 dengan ukuran kernel 3x3, fungsi aktivasi Relu dan dilakukan maxPooling ukuran 2x2 dengan stride 2 langkah. Sedangkan konvolusi kedua menggunakan filter 32 dan konvolusi ketiga menggunakan filter 64 serta dengan ukuran matriks, pooling dan stride yang sama dengan tahap konvolusi pertama. Metode usulan diharapkan dapat memberikan performa optimal dalam melakukan klasifikasi motif batik sehingga diharapkan nantinya dapat tercipta aplikasi gallery batik Banyuwangi dimana salah satunya mengakomodir sistem pengenalan atau deteksi motif-motif Batik Banyuwangi. Berdasarkan penelitian yang dilakukan, pengambilan dataset citra untuk penelitian sebanyak 1024 dengan 7 macam motif batik Banyuwangi, yaitu Gajah oling, Beras kutah, Gedegan, Sisikan, Paras gempal, Moto pitik, dan Kopi pecah. Untuk setiap motif batik mengumpulkan data sebanyak 120 citra. Proses Training model menggunakan metode CNN dengan menggunakan data train sebesar 80% dan pada proses predict memakai data test sebesar 20%. Proses perdiksi dilakukan menggunakan CPU pada local device yang dimiliki oleh peneliti menghasilkan waktu rata rata yang dibutuhkan untuk memprediksi 1 citra sebesar 0,012 detik dengan nilai performansi akurasi model dari proses evaluasi menggunakan metode Confusion matrix sebesar 63%, sedangkan eksperimen kedua menggunakan model Pre-trained Resnet-152. Performansi model Pretrained Resnet-152 membutuhkan waktu rerata sebesar 0,753 detik dengan nilai akurasi sebesar 95%.
Tidak ada salinan data
Tidak tersedia versi lain