PEMBANGUNAN MODEL PEMBELAJARAN MESIN UNTUK KLASIFIKASI JENIS MOTIF PADA BATIK BERBASIS CONVOLUTIONAL NEURAL NETWORK

Hendrawan, Agus Putra (2023) PEMBANGUNAN MODEL PEMBELAJARAN MESIN UNTUK KLASIFIKASI JENIS MOTIF PADA BATIK BERBASIS CONVOLUTIONAL NEURAL NETWORK. S1 thesis, Universitas Atma Jaya Yogyakarta.

Preview	Text (Agus Putra Hendrawan) 190710193_Bab 0.pdf Download (276kB) | Preview
Preview	Text 190710193_Bab 1.pdf Download (250kB) | Preview
Preview	Text 190710193_Bab 2.pdf Download (98kB) | Preview
	Text 190710193_Bab 3.pdf Restricted to Registered users only Download (147kB)
	Text 190710193_Bab 4.pdf Restricted to Registered users only Download (443kB)
	Text 190710193_Bab 5.pdf Restricted to Registered users only Download (375kB)
Preview	Text 190710193_Bab 6.pdf Download (1MB) | Preview

Abstract

Batik adalah warisan budaya asli Indonesia yang diakui oleh UNESCO sebagai Warisan Kemanusiaan untuk Budaya Lisan dan Nonbendawi. Sejarah perkembangan batik di Indonesia mencatat adanya sekitar 181 motif batik yang tersebar di provinsi-provinsi Indonesia. Motif-motif tersebut dapat dikategorikan berdasarkan metode pembuatan, daerah asal, dan pola/corak. Dengan adanya corak-corak yang unik pada setiap batik, teknologi Image Classification dapat diterapkan untuk mengklasifikasikan corak batik. Salah satu metode klasifikasi gambar yang dapat diterapkan adalah Deep Learning dengan Convolutional Neural Network (CNN). Dengan memanfaatkan teknologi CNN, pengklasifikasian batik akan dimungkinkan dengan melakukan proses training pada dataset gambar batik. Penulis menerapkan metode transfer learning dengan menggunakan arsitektur ResNet yang dilatih ulang untuk klasifikasi gambar batik. Kemudian, model akan diimplementasi pada suatu web service agar pengguna akan dapat menggunakan kamera pada perangkat pengguna untuk melakukan klasifikasi gambar batik. Arsitektur ResNet yang digunakan oleh penulis dilatih terhadap 1394 gambar batik yang dibagi ke 10 kelas motif. Pembagian dataset adalah 1112 pada training set, dan 282 pada validation set. Masukkan gambar yang model terima adalah gambar dengan ukuran 224x224 pixel dengan channel warna RGB.

Actions (login required)

View Item