KLASIFIKASI CITRA MOTIF BATIK BAKARAN KABUPATEN PATI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS MOBILE

Setiawan, Rhesna Aridlo (2024) KLASIFIKASI CITRA MOTIF BATIK BAKARAN KABUPATEN PATI MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS MOBILE. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32602000055_fullpdf.pdf Download (4MB)
	Text Teknik Informatika_32602000055_pernyataan_publikasi.pdf Restricted to Registered users only Download (91kB)

Abstract

Batik merupakan warisan budaya Indonesia yang memiliki keunikan dan keragaman. Seperti hal nya Batik Bakaran yang memiliki keuinakan nya sendiri dari segi motif. Klasifikasi motif batik secara manual akan memerlukan keahlian khusus dan memakan waktu, sehingga diperlukan sebuah solusi yang cepat dan akurat. Model deep learning yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2 yang telah dilatih menggunakan dataset berisi 6.298 gambar motif batik dari 27 class berbeda. Proses pelatihan model dilakukan menggunakan TensorFlow dan kemudian di ubah menjadi format TensorFlow Lite untuk diimplementasikan pada aplikasi mobile. Aplikasi dikembangkan menggunakan Flutter dan dilengkapai dengan fitur pengambilan gambar dari kamera atau galeri, serta tampilan hasil klasifikasi motif Batik Bakaran. Hasil pengujian menunjukkan bahwa model yang telah dilatih mampu mencapai akurasi 90.79%, macro avg precision 93%, macro avg recall 91%, macro avg F1-score 92%, weighted avg precision 92%, weighted avg recall 91% dan weighted avg F1-score 91%. Dengan adanya aplikasi ini, diharapkan dapat membantu masyarakat dalam mengenali motif Batik Bakaran dengan lebih mudah dan cepat, serta mendukung upaya pelestarian budaya batik Indonesia. Keyword : Convolutional Nerual Network, MobileNetV2, Klasifikasi,Batik Bakaran.

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 4 UNISSULA
Date Deposited:	07 Feb 2025 04:06
URI:	http://repository.unissula.ac.id/id/eprint/37537

Actions (login required)

View Item