Kristo Pandapotan Samosir
Universitas Papua

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Klasifikasi Ulos Batak Toba Menggunakan Metode Convolutional Neural Network(CNN) Berbasis Web Kristo Pandapotan Samosir; Marlinda Sanglise; Lion Ferdinand Marini
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 11, No 2 (2026)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v11i2.7782

Abstract

Ulos adalah kain tenun khas Batak yang memiliki peran penting da-lam budaya Batak. Pada saat ini, terdapat ratusan jenis ulos yang tersebar di seluruh Indonesia, masing-masing dengan nama dan maknanya sendiri. Namun, masih terdapat kendala dalam mengenali jenis-jenis ulos. Salah satu kendala utama adalah kesamaan motif dan warna antar jenis ulos, yang sering kali menyebabkan kesalahan identifikasi, terutama di kalangan masyarakat Batak sendiri. Untuk mengatasi masalah ini, diperlukan sebuah model yang mampu mengklasifikasikan jenis-jenis ulos serta sistem yang dapat mem-berikan informasi mengenai fungsi dan penggunaannya. Dalam penelitian ini, metode Convolutional Neural Network (CNN) digunakan karena memiliki kemampuan yang baik dalam mengenali gambar atau citra. Model yang dikembangkan terdiri dari 4 lapisan konvolusi, 4 lapisan MaxPooling, dan 2 lapisan Fully Connected. Data citra yang digunakan terdiri dari 1.440 citra, yang dibagi men-jadi 960 citra pelatihan, 240 citra validasi, dan 240 citra pengujian. Model ini mencapai akurasi terbaik sebesar 95% untuk pelatihan dan 97% untuk validasi. Selain mengembangkan model deep learn-ing berbasis CNN, hasil penelitian ini juga akan diimplementasikan dalam bentuk situs web menggunakan Django, sebuah framework berbasis Python. Situs ini memungkinkan pengguna untuk mengung-gah gambar ulos guna diklasifikasikan serta mendapatkan penjela-san mendalam mengenai jenis ulos dan fungsinya dalam budaya Batak.