Penerapan Algoritma Convolutional Neural Network Untuk Klasifikasi Motif Citra Batik Solo

Abstract

Batik adalah warisan kebudayaan Indonesia yang telah menjadi ciri khas masyarakat Indonesia. Batik memiliki banyak motif dan corak dengan ciri yang berbeda disetiap corak atau motifnya. Sebagai upaya melestarikan batik, penelitian mengenai klasifikasi batik digunakan untuk mengenali motif citra batik. Untuk itu penelitian ini dilakukan menggunakan metode pembelajaran dengan data citra batik diharapkan dapat memberikan hasil klasifikasi yang akurat dan efisien dengan tingkat akurasi tinggi. Convolutional Neural Network (CNN) merupakan gabungan dari jaringan syaraf tiruan dan metode deep learning. CNN terdiri 3 layer utama yaitu Convolutional Layer, Pooling Layer, Fully Connected Layer. Pada penelitian ini menggunakan arssitektur 3 Convolutional Neural Network dan 2 Fully Connected Layer pada pembuatan system terdapat beberapa tahapan utama yaitu pengumpulan data, perancangan system, training, dan testing. Penelitian ini menggunakan data citra batik  solo sebanyak 2.256 gambar yang terdiri dari 7 kelas yaitu motif Parang, Semenrante, Sidomukti, Ceplok, Kawung, Truntum, dan Buketan. Hasil dari proses learning didapatkan akurasi sebesar 99.07% dengan loss sebesar 0,2%. Pada proses pengujian menggunakan 745 sampel batik solo didapatkan akurasi sebesar 95%. Sehingga dapat disimpulkan bahwa metode CNN dapat mengklasifikasi citra dengan baik