IMPLEMENTASI IMAGE CLASSIFICATION PADA JENIS-JENIS BATIK MENGGUNAKAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK

Tantri, Vika Kusuma Dyah (2023) IMPLEMENTASI IMAGE CLASSIFICATION PADA JENIS-JENIS BATIK MENGGUNAKAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Jurusan Teknologi Informasi.

	Text Cover_Vika.pdf Download (477kB)
	Text Bab 1_Vika.pdf Download (92kB)
	Text Bab 2_Vika.pdf Download (1MB)
	Text Bab 3_Vika.pdf Download (1MB)
	Text Bab 4_Vika.pdf Download (262kB)
	Text Bab 5_Vika.pdf Download (608kB)
	Text Bab 6_Vika.pdf Download (3MB)
	Text Bab 7_Vika.pdf Download (73kB)
	Text Daftar Pustaka_Vika.pdf Download (142kB)

Abstract

Penelitian ini bertujuan untuk mengimplementasikan metode deep learning menggunakan Convolutional Neural Network (CNN) dengan model EfficientNet untuk mengenali jenis-jenis batik. Kesenian batik merupakan salah satu hasil kebudayaan masyarakat Indonesia yang memiliki nilai budaya yang tinggi. Namun, identifikasi motif batik yang beragam seringkali sulit, terutama bagi masyarakat awam. Oleh karena itu, penggunaan kecerdasan buatan dalam bentuk AI dapat memudahkan proses pengenalan pola batik. Pemanfaatan AI dalam bidang pengolahan citra digital sangatlah penting dalam berbagai aplikasi saat ini. Deep learning, sebagai bagian dari AI, memungkinkan komputer untuk belajar mengklasifikasikan objek langsung dari gambar. Metode deep learning ini memanfaatkan CPU, RAM, dan GPU untuk memproses komputasi data besar dengan cepat dan efisien. Convolutional Neural Network (CNN) adalah salah satu metode deep learning yang paling efektif dalam pengenalan citra digital. Arsitektur EfficientNet, yang merupakan keluarga arsitektur CNN yang dikembangkan oleh Google Research, terbukti memiliki tingkat akurasi yang tinggi dan efisiensi yang lebih baik daripada arsitektur lainnya. Model EfficientNet memiliki ukuran yang relatif lebih kecil dan waktu inferensi yang lebih cepat, serta mudah disesuaikan untuk berbagai tugas pembelajaran transfer. Dalam konteks penelitian ini, dilakukan implementasi metode deep learning dengan menggunakan CNN dan arsitektur EfficientNet untuk mengklasifikasikan citra batik. Penelitian ini diharapkan dapat membantu pengenalan jenis-jenis batik, yang pada gilirannya dapat meningkatkan pemahaman dan apresiasi terhadap kebudayaan Indonesia.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Pengolahan Citra, Batik, Convolutional Neural Network, EfficientNet
Subjects:	A Computer Science > Artificial Intelligence A Computer Science > Multimedia A Computer Science > Applied Computer Science
Depositing User:	Vika Tantri
Date Deposited:	05 Jun 2024 08:32
Last Modified:	05 Jun 2024 08:32
URI:	http://repota.jti.polinema.ac.id/id/eprint/959

Actions (login required)

View Item