Eki Satria, - (2021) PENERAPAN DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR RESNET UNTUK KLASIFIKASI BATIK. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text Tanpa BAB IV dan V (Watermark).pdf Download (27MB) | Preview
	Text (BAB IV) BAB IV dan V(Watermark).pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Batik tersusun dari berbagai gambar dan pola bernilai artistik tinggi yang disebut motif batik. Keberagaman motif batik dipengaruhi oleh budaya suatu daerah yang memiliki makna filosafis. Indonesia sebagai negara keberagaman budaya memiliki motif batik yang khas disetiap daerah. Pengenalan motif batik diperlukan pengetahuan khusus dibidang khazanah perbatikan nusantara. Berbagai metode diterapkan untuk melakukan klasifikasi citra khususnya dibidang computer vision dan kecerdasan buatan. Penelitian ini melakukan klasifikasi citra batik dengan menerapkan Deep Learning menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur Resnet. Penganyaan data dilakukan dengan melakukan augmentasi data yaitu zoom, horizontal flip, vertical flip dan rotation. Jumlah dataset citra batik terdiri dari 3.900 citra dengan 50 kelas. Pengujian dilakukan dengan skenario membandingkan tingkat akurasi dan waktu komputasi antara data original dan augmentasi dengan pembagian data training dan testing sebesar 70%:30%, 80%:20% dan 90%:10%. Pengujian model terbaik terdapat pada eksperimen menggunakan data original dengan pembagian data trainig dan testing 90%:10% mendapatkan akurasi sebesar 100% dengan waktu komputasi selama 2.30 menit

Actions (login required)

View Item