IMPLEMENTASI ARSITEKTUR RESNET50 PADA KLASIFIKASI MOTIF BATIK INDONESIA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) Unissula Repository

AGISTA, ARABELA MURI (2025) IMPLEMENTASI ARSITEKTUR RESNET50 PADA KLASIFIKASI MOTIF BATIK INDONESIA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Undergraduate thesis, Universitas Islam Sultan Agung.

	Text Teknik Informatika_32602100032_pernyataan_publikasi.pdf Restricted to Registered users only \| Download (62kB)
	Text Teknik Informatika_32602100032_fullpdf.pdf \| Download (2MB)

Abstract

Batik merupakan salah satu bentuk kekayaan budaya Indonesia yang memiliki keragaman corak serta nilai filosofis yang mendalam di setiap wilayah. Meski demikian, proses identifikasi dan pengelompokan motif batik secara manual masih memerlukan keahlian khusus dan memakan waktu yang tidak sedikit. Penelitian ini bertujuan untuk menerapkan arsitektur ResNet50 dalam perancangan model pengenalan motif batik Indonesia dengan menggunakan pendekatan Convolutional Neural Network (CNN). Model dilatih untuk membedakan empat kategori motif batik, yaitu Batik Corak Insang, Batik Dayak, Batik Ikat Celup, dan Batik Megamendung. Hasil eksperimen menunjukkan bahwa model mampu mencapai tingkat akurasi sebesar 81%, dengan nilai akurasi validasi sebesar 80,68% dan loss validasi sebesar 65,94%. Di antara semua kelas, model memiliki performa terbaik dalam mengklasifikasikan motif Corak Insang dan motif Dayak. Model ini dikembangkan ke dalam bentuk aplikasi web yang memungkinkan pengguna mengunggah gambar batik dan menerima hasil prediksi secara instan. Berdasarkan hasil yang diperoleh, dapat disimpulkan bahwa arsitektur ResNet50 yang dikombinasikan dengan CNN dapat digunakan secara efektif dalam membantu proses identifikasi motif batik secara otomatis, serta berkontribusi dalam upaya digitalisasi dan pelestarian budaya lokal melalui teknologi kecerdasan buatan.
Kata kunci: Batik, Jaringan Syaraf Konvolusional, ResNet50, Pengklasifikasian Citra, Digitalisasi Budaya

Dosen Pembimbing:	Kurniadi, Dedy \| UNSPECIFIED
Item Type:	Thesis (Undergraduate)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 4 UNISSULA
Date Deposited:	27 Aug 2025 02:27
URI:	https://repository.unissula.ac.id/id/eprint/40941

Actions (login required)

View Item