Implementasi Image Classification pada Batik Motif Bali dengan Data Augmentation dan Convolutional Neural Network

Authors

  • Edwin Sentosa Teknik Informatika Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Indonesia
  • Dadang Iskandar Mulyana Teknik Informatika Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Indonesia
  • Adella Fitriany Cahyana Teknik Informatika Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Indonesia
  • Nimas Galuh Pramuditasari Teknik Informatika Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Indonesia

DOI:

https://doi.org/10.31004/jptam.v6i1.3137

Keywords:

Batik Motif Bali, Motif Batik, Klasifikasi, Data Augmentasi, CNN

Abstract

Batik merupakan salah satu warisan budaya leluhur Indonesia yang sampai saat ini masih terus berkembang dan dilestarikan serta menjadikannya identitas budaya bangsa Indonesia. Awal mula terlahirnya  batik di Indonesia berkaitan dengan berkembangnya kerajaan Solo, Majapahit serta Yogyakarta, batik sendiri merupakan metode proses yang diawali dengan penggambaran motif lalu pelorodan atau proses pelepasan lilin dari kain batik. Motif merupakan kerangka gambar yang mewujudkan batik secara keseluruhan. Motif pada batik pun memiliki banyak ragamnya, termasuk motif Bali yang dalam ciri khasnya selalu memadukan motif tradisional dan modern. Dikarenakan dengan semakin berkembangnya motif Bali dikalangan masyarakat, peneliti membuat program pengenalan citra untuk mengklasifikasi motif batik bali dengan menggunakan Convolutional Neural Network yang memanfaatkan beberapa komponen dan sistem sensorik pada beberapa motif batik yang sudah disiapkan.Implementasi pengenalan citra motif bali dilakukan dengan menggunakan 2 model pengujian yaitu model Sequential dan model on top VGG16 yang berjalan pada aplikasi Google Collaboratory dan Keras. Data pengujian pada penelitian ini adalah 526 citra data latih dan 34 citra data uji yang menghasilkan nilai evaluasi dengan nilai akurasi dengan rata-rata 1,15 dan nilai loss dengan rata-rata 5,8 pada model sequential dan nilai akurasi dengan rata-rata 2,7 dan nilai loss dengan rata-rata 1,6 pada model on top VGG16.

References

C. Jatmoko and D. Sinaga, “EKTRAKSI FITUR GLCM PADA K-NN DALAM MENGKLASIFIKASI MOTIF BATIK,” pp. 978–979, 2019.

S. Riyadi and D. I. Mulyana, “Optimasi Image Classification pada Wayang Kulit Dengan Convolutional Neural Network,” pp. 1–8, 1850.

I. Maulida, “Klasifikasi kain khas batik dan kain khas sasirangan dengan menggunakan metode convolutional neural network,” pp. 25–30.

Y. A. Irawan and A. Widjaja, “Pembangkitan Pola Batik dengan Menggunakan Neural Transfer Style dengan Penggunaan Cost Warna,” vol. 6, pp. 324–341, 2020.

D. Retnowati and K. Anggriani, “PENERAPAN SUPPORT VECTOR MACHINE UNTUK PENDETEKSIAN DAN KLASIFIKASI MOTIF PADA CITRA BATIK BESUREK MOTIF GABUNGAN BERDASARKAN FITUR,” vol. V, no. September, 2018.

P. A. Nugroho, I. Fenriana, and R. Arijanto, “Implementasi Deep Learning Menggunakan Convolutional Neural Network ( Cnn ) Pada Ekspresi Manusia,” Algor, vol. 2, no. 1, pp. 12–21, 2020.

H. A. Pratiwi, M. Cahyanti, and M. Lamsani, “Implementasi Deep Learning Flower Scanner Menggunakan Metode Convolutional Neural Network,” Sebatik, vol. 25, no. 1, pp. 124–130, 2021, doi: 10.46984/sebatik.v25i1.1297.

Felix, J. Wijaya, S. P. Sutra, P. W. Kosasih, and P. Sirait, “Implementasi Convolutional Neural Network Untuk Identifikasi Jenis Tanaman Melalui Daun,” J. SIFO Mikroskil, vol. 21, no. 1, pp. 1–10, 2020.

E. N. Arrofiqoh and Harintaka, “IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI TANAMAN PADA CITRA RESOLUSI TINGGI ( The Implementation of Convolutional Neural Network Method for Agricultural Plant Classification in High Resolution Imagery ),” Geomatika, vol. 24, no. 2, pp. 61–68, 2018.

K. H. Mahmud, Adiwijaya, and S. Al Faraby, “Klasifikasi Citra Multi-Kelas Menggunakan Convolutional Neural Network,” e-Proceeding Eng., vol. 6, no. 1, pp. 2127–2136, 2019.

Downloads

Published

16-02-2022

How to Cite

Sentosa, E., Mulyana, D. I., Cahyana, A. F. ., & Pramuditasari, N. G. . (2022). Implementasi Image Classification pada Batik Motif Bali dengan Data Augmentation dan Convolutional Neural Network. Jurnal Pendidikan Tambusai, 6(1), 1451–1463. https://doi.org/10.31004/jptam.v6i1.3137

Issue

Vol. 6 No. 1 (2022): April 2022

Section

Articles of Research

Citation Check

License

Copyright (c) 2022 Edwin Sentosa, Dadang Iskandar Mulyana, Adella Fitriany Cahyana, Nimas Galuh Pramuditasari

Creative Commons License

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

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work’s authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).