KLASIFIKASI MOTIF BATIK KALIMANTAN TIMUR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

• FARISZAL NOVA ARVIANTINO
• 14002635

---

ABSTRAK

 

ABSTRAK Nama : Fariszal Nova Arviantino NIM : 14002635 Program Studi : Ilmu Komputer Fakultas : Teknologi Informasi Jenjang : Strata Dua (S2) Konsentrasi : Image Processing Judul Tesis : “Klasifikasi Motif Batik Kalimantan Timur Menggnakan Metode Convolutional Neural Network” Keragaman motif batik di Indonesia telah diakui dan dijadikan sebagai warisan budaya bangsa Indonesia oleh UNESCO. Keragaman jenis motif batik inilah yang menjadi tantangan tersendiri bagi wisatawan maupun masyarakat umum untuk mengenali berbagai macam motif batik yang ada. Hal ini sangat diperlukanya sebuah sistem cerdas yang dapat mengenali berbagai macam motif serta variasi motif batik yang ada di Indonesia. dalam penelitian ini, penulis menggunakan 7 kelas motif yang berada di provinsi kalimantan timur terdiri dari baqa, beras basah, dayak, jelukap, kuntul perak, tahongai dan wakaroros. Uji coba pembuatan model kecerdasan buatan dengan memanfaatkan metode deep learning dengan 9 arsitektur yang diambil dari refensi penelitian terkait. Hyperparameter tuning dilakukan untuk mencari akurasi tes tertinggi menggunakan arsitektur CNN, DenseNet121, DenseNet169, DenseNet201, ResNet50. ResNet101, ResNet152, VGG16 serta VGG19. Hasil dari penelitian ini didapatkan model terbaik diperoleh dari arsitektur DenseNet169 dengan akurasi tes 93% menggunakan learning rate 0.00001 dan
optimizer adam. Kata kunci: CNN, Klasifikasi Metode Deep Learning, Klasifikasi Motif Batik
 

KATA KUNCI

Klasifikasi,Convolutional Neural Network

---

DAFTAR PUSTAKA

 

DAFTAR REFERENSI [1] L. M. Hakim, “Batik Sebagai Warisan Budaya Bangsa dan Nation Brand Indonesia,” Nation State: Journal of International Studies, vol. 1, no. 1, pp. 61–90, 2018. [Online]. Available: https://jurnal.amikom.ac.id. [Accessed: June. 10, 2022]. [2] P. N. Andono and E. H. Rachmawanto, “Evaluasi Ekstraksi Fitur GLCM dan LBP Menggunakan Multikernel SVM untuk Klasifikasi Batik,” Jurnal Resti (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 1, pp. 1 –9, 2021. [Online]. Available: https://jurnal.iaii.or.id/. [Accessed: June. 10, 2022]. [3] Z. Y. Lamasigi, “DCT Untuk Ekstraksi Fitur Berbasis GLCM Pada Identifikasi Batik Menggunakan K-NN,” Jambura Journal of Electrical and Electronics Engineering, vol. 3, no. 1, pp. 1 –6, 2021. [Online]. Available: https://ejurnal.ung.ac.id/. [Accessed: June. 10, 2022]. [4] T. Bariyah, M. A. Rasyidi, and N. Ngatini, “Convolutional Neural Network untuk metode klasifikasi multi-label pada motif batik,” Techno. Com, vol. 20, no. 1, pp. 155–165, 2021. [Online]. Available: http://publikasi.dinus.ac.id/. [Accessed: June. 10, 2022]. [5] M. A. Rasyidi, R. Handayani, and F. Aziz, “Identification of batik making method from images using convolutional neural network with limited amount of data,” Bulletin of Electrical Engineering and Informatics, vol. 10, no. 3, pp. 1300–1307, 2021. [Online]. Available: https://www.beei.org/. [Accessed: June. 12, 2022]. [6] R. Bagaskara, A. K. Rizkita, R. Fernandes, and W. Yulita, “Pendeteksian Jumlah Bangunan Berbasis Citra Menggunakan Metode Deep Learning,” JSakti (Jurnal Sains Komputer dan Informatika), vol. 6, no. 1, pp. 94–100, 2022. [Online]. Available: http://www.tunasbangsa.ac.id/ejurnal/index.php. [Accessed: June. 12, 2022]. [7] R. M. Prasmatio, B. Rahmat, and I. Yuniar, “Deteksi dan pengenalan ikan menggunakan algoritma Convolutional Neural Network,” Jurnal Informatika Dan Sistem Informasi (JIFoSI), vol. 1, no. 2, pp. 510–521, 2020. [Online]. Available: http://jifosi.upnjatim.ac.id/. [Accessed: June. 12, 2022]. [8] H. Pandowo et al., “Implementasi Deep Learning Untuk Optimasi Slump Menggunakan Convolutional Neural Network Pada PT. Handaru Wijaya Mulya,” Jurnal Informatika, vol. 9, no. 1, pp. 26–31, 2022, [Online]. Available: http://ejournal.bsi.ac.id. [Accessed: June. 15, 2022]. [9] D. M. Wonohadidjojo, “Perbandingan Convolutional Neural Network pada Transfer Learning Method untuk Mengklasifikasikan Sel Darah Putih,” Ultimatics: Jurnal Teknik Informatika, vol. 13, no. 1, pp. 51 –57, 2021. 69
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri [10] Y. Sawada, Y. Sato, T. Nakada, K. Ujimoto, and N. Hayashi, “All-Transfer Learning for Deep Neural Networks and its Application to Sepsis Classification,” Nov. 2017. [Online]. Available: http://arxiv.org/abs/1711.04450.[ Accessed: June. 15, 2022]. [11] R. Firmansyah, “Implementasi deep learning menggunakan convolutional neural network untuk klasifikasi bunga,” Fakultas Sains dan Teknologi UIN Syarif Hidayatullah Jakarta, 2021. [Online]. Available: https://repository.uinjkt.ac.id/. [Accessed: June. 15, 2022]. [12] J. T. Hardinata, M. Zarlis, E. B. Nababan, D. Hartama, and R. W. Sembiring, “Modification Of Learning Rate With Lvq Model Improvement In Learning Backpropagation,” in Journal of Physics: Conference Series, 2017, vol. 930, no. 1, p. 12025. [Online]. Available: https://iopscience.iop.org/. [Accessed: June. 17, 2022]. [13] S. Faza, “Peningkatan Kinerja dalam Pengklasifikasian Menggunakan Deep Learning,” Universitas Sumatera Utara, 2018. [Online]. Available: https://repositori.usu.ac.id/ .[Accessed: June. 17, 2022]. [14] A. P. Wibawa, “Metode-metode Klasifikasi,” in Prosiding SAKTI (Seminar Ilmu Komputer dan Teknologi Informasi), 2018, vol. 3, no. 1, pp. 134–138. [Online]. Available: http://e-journals.unmul.ac.id/index.php/SAKTI/ .[Accessed: June. 17, 2022]. [15] M. Sar?gül, B. M. Ozyildirim, and M. Avci, “Differential convolutional neural network,” Neural Networks, vol. 116, pp. 279–287, 2019. [Online]. Available: https://www.sciencedirect.com. [Accessed: June. 17, 2022]. [16] 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. [Online]. Available: http://journal.upgris.ac.id/ .[Accessed: June. 17, 2022]. [17] M. Y. Ibrahim, and K.T. Wibowo, “Fungsi Undang-Undang Hak Cipta Bagi Pencipta Batik Di Kabupaten Situbondo,” Fenomena, vol. 15, no. 2, pp. 1595–1613, 2017. [Online]. Available: https://jurnal.unars.ac.id/ .[Accessed: June. 17, 2022]. [18] A. Y. Wicaksono, N. Suciati, C. Fatichah, K. Uchimura, and G. Koutaki, “Modified convolutional neural network architecture for batik motif image classification,” IPTEK Journal of Science, vol. 2, no. 2, 2017. [Online]. Available: http://iptek.its.ac.id/ .[Accessed: June. 17, 2022]. [19] Y. Gultom, A. M. Arymurthy, and R. J. Masikome, “Batik classification using deep convolutional network transfer learning,” Jurnal Ilmu Komputer dan Informasi, vol. 11, no. 2, pp. 59–66, 2018. [Online]. Available: https://jiki.cs.ui.ac.id/ .[Accessed: June. 17, 2022]. 70
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri [20] I. M. A. Agastya and A. Setyanto, “Classification of Indonesian batik using deep learning techniques and data augmentation,” in 2018 3rd International Conference on Information Technology, Information System and Electrical Engineering (ICITISEE), 2018, pp. 27–31. [21] M. A. Rasyidi and T. Bariyah, “Batik pattern recognition using convolutional neural network,” Bulletin of Electrical Engineering and Informatics, vol. 9, no. 4, pp. 1430–1437, 2020. [Online]. Available: https://www.beei.org/ .[Accessed: June. 17, 2022]. [22] S. F. Tumewu, D. H. Setiabudi, and I. Sugiarto, “Klasifikasi Motif Batik menggunakan metode Deep Convolutional Neural Network dengan Data Augmentation,” Jurnal Infra, vol. 8, no. 2, pp. 189–194, 2020. [Online]. Available: https://www.beei.org/ .[Accessed: June. 17, 2022]. [23] H. Fonda, “Klasifikasi Batik Riau Dengan Menggunakan Convolutional Neural Networks (Cnn): Klasifikasi Batik Riau Dengan Menggunakan Convolutional Neural Networks (Cnn),” Jurnal ilmu komputer, vol. 9, no. 1, pp. 7–10, 2020. [Online]. Available: https://publication.petra.ac.id/ .[Accessed: June. 17, 2022]. [24] A. R. Juwita, T. Al Mudzakir, A. R. Pratama, P. Husodo, and R. Sulaiman, “Identifikasi Citra Batik Dengan Metode Convolutional Neural Network,” BUANA ILMU, vol. 6, no. 1, pp. 192–208, 2021. [Online]. Available: https://journal.ubpkarawang.ac.id/.[Accessed: June. 17, 2022]. [25] I. M. Ihdal, “Klasifikasi Kain Khas Batik Dan Kain Khas Sasirangan Dengan Menggunakan Metode Convolutional Neural Network,” Jurnal Teknologi Informasi Universitas Lambung Mangkurat (JTIULM), vol. 6, no. 1, pp. 25– 30, 2021. [Online]. Available: http://www.jtiulm.ti.ft.ulm.ac.id/ .[Accessed: June. 17, 2022]. [26] A. E. Minarno, “Klasifikasi Jenis Batik Menggunakan Algoritma Convolutional Neural Network,” Jurnal Repositor, vol. 3, no. 2, pp. 199– 206, 2021. [Online]. Available: https://eprints.umm.ac.id/ .[Accessed: June. 17, 2022]. [27] E. Sentosa, D. I. Mulyana, A. F. Cahyana, and N. G. Pramuditasari, “Implementasi Image Classification pada Batik Motif Bali dengan Data Augmentation dan Convolutional Neural Network,” Jurnal Pendidikan Tambusai, vol. 6, no. 1, pp. 1451 –1463, 2022. [Online]. Available: https://www.jptam.org/ .[Accessed: June. 17, 2022].