Convolutional Neural Network untuk Klasifikasi Batik Tenun Ikat Bandar Berdasarkan Fitur Warna dan Tekstur
AbstractTenun Ikat Bandar Kediri adalah salah satu jenis batik berupa kain yang ditenun dan diberi suatu pola dan motif pada teksturnya menggunakan suatu mesin tenun kayu tradisional. Pola dan motif pada batik tenun ikat sangat bervariasi tergantung pada rumah produksinya. Biasanya setiap rimah produksi memiliki suatu ciri khas khusus pada pola dan motifnya. Banyaknya pola dan motif tersebut akan menjadikan masyarakat sulit mengenali dan mempelajari ciri visual Tenun Ikat tersebut sehingga bila ada suatu sistem yang mempelajari pola dan motif tersebut maka akan sangat membantu masyarakat. Sistem klasifikasi yang dibuat pada penelitian ini mengimplementasikan algoritma Convolutional Neural Network (CNN) dengan ekstraksi tekstur Tenun menggunakan fitur Gray Level Cooccurence Matrix (GLCM) dan ekstraksi warna menggunakan fitur Color Co-occourrence Matrix (CCM). Pada penelitian ini menggunakan dataset sebanyak 125 citra gambar dari 5 motif batik pada suatu rumah produksi tenun ikat dengan proporsi setiap pola yang seimbang. Hasil dari penelitian ini menunjukkan bahwa rata-rata akurasi dari setiap pengujian mencapai angka 0,94, ini menunjukkan bahwa metode yang dimaksudkan telah dapat melakukan klasifikasi dengan baik. |
Keywords
Full Text:
References
Asti Musman dan A. B. Arini, “Batik : warisan adiluhung Nusantara,” 2011.
L. Herry, “Batik,” Yogyakarta: Graha Ilmu, 2013.
A. A. Trixie, “Filosofi Motif Batik sebagai Identitas Bangsa Indonesia,” Folio: Journal of Fashion Product Design and Busines, vol. 1, no. 1, 2020.
F. A. Phang, A. N. Roslan, Z. A. Zakaria, M. A. A. Zaini, J. Pusppanathan, dan C. A. Talib, “Environmental Awareness in Batik Making Process,” Sustainability (Switzerland), vol. 14, no. 10, 2022, doi: 10.3390/su14106094.
D. Tranggono, J. Dwiridotjahjono, M. I. Aryani, dan R. Rasyidah, “Kerajinan Batik Tenun Ikat Provinsi Jawa Timur: Potensi dan Tantangan.” PT. Revka Petra Media, 2014.
N. C. Dewi, B. B. Tanudjaja, dan B. S. Banindro, “Perancangan Buku Tenun Ikat Bandar Kidul Kediri,” Jurnal DKV Adiwarna, vol. 1, no. 4, hlm. 12, 2014.
A. Nanik dan F. Fenty, “Branding sentra kerajinan tenun ikat Bandar Kidul,” Createvitas: Jurnal Ilmiah Desain Komunikasi Visual, vol. 2, no. 2, 2013.
J. W. Yodha dan A. W. Kurniawan, “Pengenalan Motif Batik Menggunakan Deteksi Tepi Canny Dan K-Nearest Neighbor,” Techno.COM, vol. 13, no. 4, November, 2014.
I. Nurhaida, A. Noviyanto, R. Manurung, dan A. M. Arymurthy, “Automatic Indonesian’s Batik Pattern Recognition Using SIFT Approach,” dalam Procedia Computer Science, 2015. doi: 10.1016/j.procs.2015.07.547.
M. N. Fuad dan N. Suciati, “KLASIFIKASI MULTILABEL MOTIF CITRA BATIK MENGGUNAKAN BOOSTED RANDOM FERNS,” JUTI: Jurnal Ilmiah Teknologi Informasi, vol. 16, no. 1, 2018, doi: 10.12962/j24068535.v16i1.a673.
S. Li Fei-Fei; Johson Justin; Yeung, “Introduction to Convolutional Neural Networks for Visual Recognition,” Stanford University, 2017.
C. Neubauer, “Evaluation of convolutional neural networks for visual recognition,” IEEE Transactions on Neural Networks, vol. 9, no. 4. 1998. doi: 10.1109/72.701181.
K. Zakka, “CS231n Convolutional Neural Networks for Visual Recognition,” Stanford University, 2021.
C. Aj. Saputra, D. Erwanto, dan P. N. Rahayu, “Deteksi Kantuk Pengendara Roda Empat Menggunakan Haar Cascade Classifier Dan Convolutional Neural Network,” JEECOM Journal of Electrical Engineering and Computer, vol. 3, no. 1, 2021, doi: 10.33650/jeecom.v3i1.1510.
A. Maulana, D. E. Yuliana, dan D. A. W. Kusumastutie, “Weld Defect Classifier Using GLCM Extraction and ANN,” JTECS : Jurnal Sistem Telekomunikasi Elektronika Sistem Kontrol Power Sistem dan Komputer, vol. 2, no. 2, 2022, doi: 10.32503/jtecs.v2i2.2701.
A. Kurniasari, D. Erwanto, dan P. N. Rahayu, “Ekstraksi Fitur Tekstur dan Warna pada Kulit Katak Menggunakan GLCM dan Momen Warna,” Jurnal ELTIKOM, vol. 6, no. 1, 2022, doi: 10.31961/eltikom.v6i1.287.
A. faiza Al farikhi, Farrady Alif Fiolana, dan Fajar Yumono, “KLASIFIKASI BUNGA ANGGREK BULAN BERDASARKAN WARNA DAN TEKSTURNYA MENGGUNAKAN METODE JST,” Jurnal Ilmiah Sistem Informasi, vol. 1, no. 3, 2022, doi: 10.51903/juisi.v1i3.417.
B. Soundarya, R. Krishnaraj, dan S. Mythili, “Visual Speech Recognition using Convolutional Neural Network,” IOP Conf Ser Mater Sci Eng, vol. 1084, no. 1, hlm. 012020, Mar 2021, doi: 10.1088/1757-899x/1084/1/012020.
X. Zhang dan C. A. Liu, “Model averaging prediction by K-fold cross-validation,” J Econom, vol. 235, no. 1, 2023, doi: 10.1016/j.jeconom.2022.04.007.
T. T. Wong dan P. Y. Yeh, “Reliable Accuracy Estimates from k-Fold Cross Validation,” IEEE Trans Knowl Data Eng, vol. 32, no. 8, 2020, doi: 10.1109/TKDE.2019.2912815.
S. Ruuska, W. Hämäläinen, S. Kajava, M. Mughal, P. Matilainen, dan J. Mononen, “Evaluation of the confusion matrix method in the validation of an automated system for measuring feeding behaviour of cattle,” Behavioural processes, vol. 148, hlm. 56–62, 2018.
P. Cavalin dan L. Oliveira, “Confusion matrix-based building of hierarchical classification,” dalam Progress in Pattern Recognition, Image Analysis, Computer Vision, and Applications: 23rd Iberoamerican Congress, CIARP 2018, Madrid, Spain, November 19-22, 2018, Proceedings 23, 2019, hlm. 271–278.
| 10.33650/jeecom.v6i1.8060 |
|
Refbacks
- There are currently no refbacks.
Copyright (c) 2024 Mohammad Atif Faiz Muthrofin, Danang Erwanto, Iska Yanuartanti
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
