Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal JURNAL PENDIDIKAN TAMBUSAI
Pramuditasari, Nimas Galuh
Unknown Affiliation
Social Sciences

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Implementasi Image Classification pada Batik Motif Bali dengan Data Augmentation dan Convolutional Neural Network Sentosa, Edwin; Mulyana, Dadang Iskandar; Cahyana, Adella Fitriany; Pramuditasari, Nimas Galuh
Jurnal Pendidikan Tambusai Vol. 6 No. 1 (2022): April 2022
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (785.588 KB)

Abstract

Batik merupakan salah satu warisan budaya leluhur Indonesia yang sampai saat ini masih terus berkembang dan dilestarikan serta menjadikannya identitas budaya bangsa Indonesia. Awal mula terlahirnya batik di Indonesia berkaitan dengan berkembangnya kerajaan Solo, Majapahit serta Yogyakarta, batik sendiri merupakan metode proses yang diawali dengan penggambaran motif lalu pelorodan atau proses pelepasan lilin dari kain batik. Motif merupakan kerangka gambar yang mewujudkan batik secara keseluruhan. Motif pada batik pun memiliki banyak ragamnya, termasuk motif Bali yang dalam ciri khasnya selalu memadukan motif tradisional dan modern. Dikarenakan dengan semakin berkembangnya motif Bali dikalangan masyarakat, peneliti membuat program pengenalan citra untuk mengklasifikasi motif batik bali dengan menggunakan Convolutional Neural Network yang memanfaatkan beberapa komponen dan sistem sensorik pada beberapa motif batik yang sudah disiapkan.Implementasi pengenalan citra motif bali dilakukan dengan menggunakan 2 model pengujian yaitu model Sequential dan model on top VGG16 yang berjalan pada aplikasi Google Collaboratory dan Keras. Data pengujian pada penelitian ini adalah 526 citra data latih dan 34 citra data uji yang menghasilkan nilai evaluasi dengan nilai akurasi dengan rata-rata 1,15 dan nilai loss dengan rata-rata 5,8 pada model sequential dan nilai akurasi dengan rata-rata 2,7 dan nilai loss dengan rata-rata 1,6 pada model on top VGG16.
Implementasi Image Classification pada Batik Motif Bali dengan Data Augmentation dan Convolutional Neural Network Sentosa, Edwin; Mulyana, Dadang Iskandar; Cahyana, Adella Fitriany; Pramuditasari, Nimas Galuh
Jurnal Pendidikan Tambusai Vol. 6 No. 1 (2022): 2022
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v6i1.3137

Abstract

Batik merupakan salah satu warisan budaya leluhur Indonesia yang sampai saat ini masih terus berkembang dan dilestarikan serta menjadikannya identitas budaya bangsa Indonesia. Awal mula terlahirnya batik di Indonesia berkaitan dengan berkembangnya kerajaan Solo, Majapahit serta Yogyakarta, batik sendiri merupakan metode proses yang diawali dengan penggambaran motif lalu pelorodan atau proses pelepasan lilin dari kain batik. Motif merupakan kerangka gambar yang mewujudkan batik secara keseluruhan. Motif pada batik pun memiliki banyak ragamnya, termasuk motif Bali yang dalam ciri khasnya selalu memadukan motif tradisional dan modern. Dikarenakan dengan semakin berkembangnya motif Bali dikalangan masyarakat, peneliti membuat program pengenalan citra untuk mengklasifikasi motif batik bali dengan menggunakan Convolutional Neural Network yang memanfaatkan beberapa komponen dan sistem sensorik pada beberapa motif batik yang sudah disiapkan.Implementasi pengenalan citra motif bali dilakukan dengan menggunakan 2 model pengujian yaitu model Sequential dan model on top VGG16 yang berjalan pada aplikasi Google Collaboratory dan Keras. Data pengujian pada penelitian ini adalah 526 citra data latih dan 34 citra data uji yang menghasilkan nilai evaluasi dengan nilai akurasi dengan rata-rata 1,15 dan nilai loss dengan rata-rata 5,8 pada model sequential dan nilai akurasi dengan rata-rata 2,7 dan nilai loss dengan rata-rata 1,6 pada model on top VGG16.
Co-Authors Cahyana, Adella Fitriany Dadang Iskandar Mulyana` Sentosa, Edwin