Klasifikasi Batik Indonesia Menggunakan Convolutional Neural Network (CNN)

Maria Misela A. Wona, Salsa Aulia Asyifa, Rizka Virgianti, Muhammad Nabil Hamid, Irwan Muji Handoko, Ni Wayan Parwati Septiani, Mei Lestari

Abstract


Batik Indonesia merupakan warisan budaya yang kaya akan corak, motif, dan warna, dan telah diakui sebagai warisan budaya dunia oleh UNESCO. Namun, masih terdapat kendala dalam memperkenalkan batik Indonesia kepada masyarakat luas, terutama generasi milenial dan di luar Indonesia. Sistem klasifikasi batik Indonesia berbasis website ini menggunakan teknologi machine learning, khususnya metode Convolutional Neural Network (CNN). Sistem ini dapat mengidentifikasi dan mengklasifikasikan jenis batik Indonesia berdasarkan ciri-ciri seperti corak, warna, dan bentuk. Hal ini memungkinkan pengguna untuk mempelajari dan mengenali jenis-jenis batik Indonesia secara interaktif melalui website, sehingga memperkenalkan kekayaan budaya batik Indonesia kepada masyarakat luas dengan lebih efektif. Melalui pengujian model deep learning dengan algoritma CNN, penelitian ini berhasil mencapai tingkat akurasi sebesar 91,24% pada data testing. Hasil ini menunjukkan bahwa model yang dikembangkan mampu mengenali dan mengklasifikasikan citra batik dengan baik.


Keywords


Batik; Convolutional Neural Network(CNN); Klasifikasi

Full Text:

PDF

References


F. Hasyim, K. Malik, F. Rizal, and Yudistira, “Implementasi algoritma convolutional neural networks (cnn) untuk klasifikasi batik,” COREAI: Jurnal Kecerdasan Buatan, Komputasi dan Teknologi Informasi, vol. 2, no. 2, pp. 40–47, 2022, doi: 10.33650/coreai.v2i2.3365.

L. Hakim, H. R. Rahmanto, S. P. Kristanto, and D. Yusuf, “Klasifikasi citra motif batik banyuwangi menggunakan convolutional neural network,” Jurnal Teknoinfo, vol. 17, no. 1, p. 203, 2023, doi: 10.33365/jti.v17i1.2342.

F. N. Cahya, N. Hardi, D. Riana, and S. Hadianti, “Klasifikasi penyakit mata menggunakan convolutional neural network ( cnn ),” vol. 10, pp. 618–626, 2021.

N. P. Sutramiani, I. K. G. D. Putra, and M. Sudarma, “Local adaptive thresholding pada preprocessing citra lontar aksara bali,” vol. 14, no. 1, pp. 27–30, 2015.

Y. Lecun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, vol. 521, no. 7553. pp. 436–444, 2015. doi: 10.1038/nature14539.

F. U. Larasati, N. Aini, and A. H. S. Irianti, “Proses pembuatan batik tulis remekan di kecamatan ngantang,” Prosiding Pendidikan Tata Boga Busana, p. 8, 2021.

Y. Heryadi and T. Wahyono, Dasar-dasar deep learning dan implementasi. Yogyakarta: GAVA MEDIA, 2021.

A. Hibatullah and I. Maliki, “Penerapan metode convolutional neural network pada pengenalan pola citra sandi rumput,” Journal of Informatics and Computer Science, vol. 1, no. 02, pp. 1–8, 2019.

I. W. Suartika E. P, A. Y. Wijaya, and R. Soelaiman, “Klasifikasi citra menggunakan convolutional neural network (cnn) pada caltech 101,” Jurnal Teknik ITS, vol. 5, no. 1, p. 76, 2016.

J. Wen et al., “Convolutional neural networks for classification of Alzheimer’s disease: Overview and reproducible evaluation,” Med Image Anal, vol. 63, 2020, doi: 10.1016/j.media.2020.101694.

G. Shrestha, Deepsikha, M. Das, and N. Dey, “Plant Disease Detection Using CNN,” Proceedings of 2020 IEEE Applied Signal Processing Conference, ASPCON 2020, pp. 109–113, 2020, doi: 10.1109/ASPCON49795.2020.9276722.

P. Deepalakshmi, K. T. Prudhvi, C. S. Siri, K. Lavanya, and P. N. Srinivasu, “Plant leaf disease detection using CNN algorithm,” International Journal of Information System Modeling and Design, vol. 12, no. 1, pp. 1–21, 2021, doi: 10.4018/IJISMD.2021010101.

J. Park, J. Chen, Y. K. Cho, D. Y. Kang, and B. J. Son, “CNN-based person detection using infrared images for night-time intrusion warning systems,” Sensors (Switzerland), vol. 20, no. 1, 2020, doi: 10.3390/s20010034.

L. Rahma, H. Syaputra, A. H. Mirza, and S. D. Purnamasari, “Objek deteksi makanan khas palembang menggunakan algoritma yolo (you only look once),” Jurnal Nasional Ilmu Komputer, vol. 2, no. 3, pp. 213–232, 2021, doi: 10.47747/jurnalnik.v2i3.534.

E. Retnoningsih and R. Pramudita, “Mengenal machine learning dengan teknik supervised dan unsupervised learning menggunakan python,” BINA INSANI ICT JOURNAL, vol. 7, no. 2, pp. 156–165, 2020.




DOI: http://dx.doi.org/10.30872/jurti.v7i2.13694

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 Jurnal Rekayasa Teknologi Informasi (JURTI)

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Alamat Redaksi : 
Program Studi Informatika
Fakultas Teknik 
Jl. Sambaliung No. 9 Kampus Gunung Kelua Samarinda 75119 - Kalimantan Timur
e-mail : jurti.unmul@fkti.unmul.ac.id
Url : http://e-journals.unmul.ac.id/index.php/INF
Contact Person : Medi Taruk [081543438301]

 Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

StatCounter - Free Web Tracker and Counter