IMPLEMENTASI TEKNIK DEEP LEARNING UNTUK KLASIFIKASI MOTIF BATIK DENGAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORKS

Rohman, Arif Nur (2021) IMPLEMENTASI TEKNIK DEEP LEARNING UNTUK KLASIFIKASI MOTIF BATIK DENGAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORKS. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (554kB)
	Text (BAB I) BAB I.pdf Download (307kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (847kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (676kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (71kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (209kB)
	Text (PUBLIKASI) Publikasi-17.11.1533-Arif Nur Rohman - Arif Nur Rohman.pdf Restricted to Repository staff only Download (384kB)

Abstract

Indonesia merupakan bangsa yang dikenal dengan keanekaragaman akan sumber alam dan budaya, salah satunya yaitu batik. Karena begitu banyaknya keanekaragaman motif batik yang ada di Indonesia, ada beberapa orang yang belum mengetahui dan membedakan motif-motif batik. Berdasarakan penelitian yang sudah dilakukan sebelumnya tentang klasifikasi motif batik, maka dilakukan penelitian dengan menggunakan metode yang berbeda dari penelitian sebelumnya. Pada penelitian ini akan mengunakan metode Convolutional Neural Networks dengan arsitektur inception-v3 dan arsitektur yang dikembangkan sendiri untuk mengklasifikasi motif batik. Kemudian membandingkan akurasi yang diperoleh ketika menggunakan arsitektur inception-v3 dengan arsitektur yang dikembangkan sendiri. Penelitian ini menggunakan metode Convolutional Neural Networks dengan mengunakan dua arsitektur yaitu arsitektur inception-v3 dan arsitektur yang dikembangkan sendiri. Dalam penelitian ini juga menggunakan penambahan data augmentasi seperti shift, share, zoom, rotation dan fill mode. Kemudian menggunakan metode confution matrix untuk mengevaluasi hasil setelah pengujian yang dilakukan terhadap data testing. Pembuatan model dilakuakan dengan menggunakan google colaboratory. Model yang memiliki akurasi tertinggi akan diimplementasikan kedalam sebuah aplikasi berbasis web. Pengujian dilakukan dengan 200 citra data testing yang terdiri dari citra original dan citra hasil rotasi sebesar 90˚, 80˚ dan 270˚. Hasil dari evaluasi menujukan model yang menggunakan arsitektur inception-v3 mampu mengklasifikasi motif batik dengan baik, dan mendapatkan akurasi sebesar 84%. Model yang menggunakan arsitektur inception-v3 memperoleh akurasi yang sedikit lebih tinggi dibandingkan dengan model dengan arsitektur yang dikembangkan sendiri, dimana model yang dikebangkan sendiri hanya memperoleh akurasi sebesar 81.5%. Kedua model tersebut menggunakan epoch sebanyak 150 dan menggunkan optimasi adam dengan learning rate sebesar 0.001 dalam proses training-nya.

Actions (login required)

View Item