Use of Augmentation Data and Hyperparameter Tuning in Batik Type Classification using the CNN Model

Abstract

Abstrak Batik adalah salah satu budaya seni Indonesia yang paling dikenal di dunia dan memiliki motif serta jenis batik tradisional yang berbeda-beda dan memiliki keunikannya sendiri-sendiri. Namun sayangnya, masih begitu banyak masayarakat Indonesia yang belum dapat membedakan jenis-jenis batik berdasarakan motifnya. Karena itulah dibutuhkan sebuah cara untuk membantu masyarakat agar mudah untuk dapat membedakan jenis-jenis batik berdasarkan motifnya. Penelitian ini bertujuan untuk mengklasifikasikan jenis-jenis batik berdasarkan motifnya dengan menggunakan model deep learning Convolutional Neural Network dengan menggunakan Data Augmentation dan Hyperparameter Tuning. CNN termasuk dalam jenis Deep Neural Network karena kedalaman jaringannya yang tinggi dan banyak diterapkan pada data citra. Selain itu diterapkan pula Data Augmentation dan Hyperparameter Tuning untuk mengurangi overfitting. Hasil dari penelitian ini menunjukkan model CNN yang menggunakan optimasi Data Augmentation dan Hyperparameter Tuning mendapatkan nilai akurasi validasi, presisi dan recall jauh lebih tinggi yaitu sebesar 66,67% dibandingkan dengan mode CNN yang tidak menggunakan Data Augmentation dan Hyperparameter Tuning yang memiliki akurasi validasi, presisi, dan recall sebesar 28,15%. Selain itu diantara Data Augmentation dan Hyperparameter Tuning, Data Augmentation lah yang paling mempengaruhi peningkatan akurasi validasi, presisi, dan recall dibandingkan Hyperparameter Tuning dengan peningkatan akurasi validasi menjadi 64% dari akurasi validasi sebesar 28,15%. Abstract Batik is one of Indonesia's most recognized artistic cultures in the world and has different motifs and types of traditional batik and each has its own uniqueness. But unfortunately, there are still so many Indonesian people who cannot distinguish the types of batik based on their motifs. That's why we need a way to help people easily be able to distinguish the types of batik based on their motifs. This research was conducted to classify types of batik based on their motifs using the Convolutional Neural Network deep learning model using Data Augmentation and Hyperparameter Tuning. CNN is included in the type of Deep Neural Network because of its high network depth and is widely applied to image data. Besides that, Data Augmentation and Hyperparameter Tuning are also applied to reduce overfitting. The results of this study show that the CNN model that uses Data Augmentation optimization and Hyperparameter Tuning gets a much higher accuracy, precision and recall value of 66.67% compared to the CNN mode that does not use Data Augmentation and Hyperparameter Tuning which has validation accuracy, precision , and recall of 28.15%. Besides that, among Data Augmentation and Hyperparameter Tuning, Data Augmentation is the one that most influences the increase in validation accuracy, precision, and recall compared to Hyperparameter Tuning with an increase in validation accuracy to 64% from a validation accuracy of 28.15%.