KLASIFIKASI CITRA WAYANG PUNAKAWAN MENGGUNAKAN METODE GAUSSIAN FILTER DAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK

Yudianto, Muhammad Resa Arif (2021) KLASIFIKASI CITRA WAYANG PUNAKAWAN MENGGUNAKAN METODE GAUSSIAN FILTER DAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text 19.51.1182-Muhammad Resa Arif Yudianto.pdf - Published Version Download (3MB)

Abstract

Memasuki industri 4.0 membuat berbagai hal dapat dikerjakan dengan lebih mudah, cepat dan otomatis. Salah satu bidang yang saat ini telah berkembang pesat adalah pengenalan objek secara otomatis oleh sistem atau sering disebut computer vision. Banyak algoritma machine learning maupun deep learning yang dapat digunakan dalam computer vision. Beberapa peneliti sebelumnya telah melakukan penelitian terhadap kinerja dari berbagai algoritma klasifikasi seperti SVM (Support Vector Machine) dan CNN (Convolutional Neural Network). Dari beberapa penelitian yang telah dilakukan, CNN memiliki kinerja yang lebih unggul dibandingkan SVM. Sehingga banyak penelitian tentang klasifikasi citra yang menggunakan algoritma ini. Pada penelitian-penelitian terdahulu, algoritma ini banyak diterapkan pada bidang kesehatan, pertanian dan ekonomi, akan tetapi penelitian terhadap bidang kebudayaan masih jarang dilakukan. Sedangkan saat ini, tingkat perkembangan budaya sudah semakin berkurang akibat pengaruh globalisasi, salah satu contohnya adalah budaya pewayangan yang saat ini hamper tidak ada. Untuk mengantisipasi kepunahan budaya wayang tersebut, salah satu solusi yang dapat diterapkan adalah dengan menerapkan algoritma CNN dalam mengenali objek pewayangan secara otomatis. Terdapat banyak arsitektur CNN yang telah dikembangkan dan diikutsertakan ke dalam sebuah kompetisi untuk membandingkan kinerja dari setiap arsitektur. Beberapa contoh arsitektur yang sempat mendominasi kinerja/kemampuan mengenali objek yaitu ResNet50, VGG16 dan MobileNet. Kinerja sebuah arsitektur tidak selalu sama, tergantung dari jenis data yang digunakan. Terdapat faktor lain yang dapat mempengaruhi kinerja arsitektur, salah satunya adalah proses preproccessing. Pada penelitian ini penulis membandingkan ketiga arsitektur tersebut dengan beberapa skenario percobaan dan penggunaan gaussian filter sebagai penghilang noise dan memperhalus citra. Dari hasil penelitian, didapatkan bahwa arsitektur dengan kinerja terbaik pada penelitian ini adalah VGG-16 yang dilakukan pada epoch 50 mendapatkan nilai akurasi sebesar 96%. Filter gaussian berpengaruh dalam meningkatkan akurasi ketika diterapkan pada citra RGB, akan tetapi akan mengalami penurunan akurasi ketika diterapkan pada citra green channel. Penggunaan CLAHE pada preprocessing data dapat meningkatkan akurasi klasifikasi pada model yang dihasilkan.

Actions (login required)

View Item