Daftar Isi: Klasifikasi Motif Batik Menggunakan Convolutional Neural Network

Daftar Isi:

Skripsi ini mengkaji metode Convolutional Neural Network untuk klasifikasi motif batik. Klasifikasi batik bertujuan untuk membantu pelestarian Batik Indonesia. Penelitian ini dimulai dengan melakukan penurunan proses backpropagation pada convolutional layer dan pooling layer. Penelitian ini menggunakan 5000 data motif batik yang terbagi dalam 10 kelas dengan 3750 data berfungsi sebagai data training dan 1250 data sebagai data test. Pada data dilakukan beberapa preprocessing, antara lain resize berukuran 224⇥224, normalisasi ke rentang [0,1], dan pengaturan model warna RGB, HSV, serta Grayscale. Pengujian model CNN dilakukan tiga tahap, yakni pengaturan convolutional layer, pengaturan convolutional kernel, serta pengaturan model warna. Fungsi aktivasi yang digunakan adalah softmax untuk layer terakhir dan ReLU untuk layer lainnya. Koreksi bobot dilakukan dengan menggunakan metode Stochastic Gradient Descent dengan learning rate 0,01 dan fungsi galat categorical cross-entropy. Model terbaik pada penelitian ini adalah model yang mengaplikasikan CNN 3 layer dengan convolutional kernel berturut-turut berukuran 11⇥11⇥48, 7⇥7⇥64, dan 5⇥5⇥128, serta menggunakan model warna Red Green Blue (RGB). Model dapat mengklasifikasikan data dengan akurasi 0,9784, rata-rata precision 0,9785, dan rata-rata recall 0,9784.