Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Pattimura Proceeding : Conference of Science and Technology
Muna Malika
Universitas Islam Indonesia
Agriculture, Biological Sciences & Forestry Astronomy Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Chemistry Civil Engineering, Building, Construction & Architecture Control & Systems Engineering Energy Engineering Materials Science & Nanotechnology Mathematics Physics

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

Found 1 Documents
Search

 1 
IMPLEMENTASI DEEP LEARNING UNTUK KLASIFIKASI GAMBAR MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) PADA BATIK SASAMBO Muna Malika; Edy Widodo
Pattimura Proceeding 2021: Prosiding KNM XX
Publisher : Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (926.28 KB) | DOI: 10.30598/PattimuraSci.2021.KNMXX.335-340

Abstract

Indonesia memiliki berbagai macam batik. Salah satu yang memiliki ciri khas dan keunikan ialah batik sasambo. Batik sasambo merupakan batik asal Provinsi Nusa Tenggara Barat (NTB). Nama Kain batik ini merupakan gabungan dari tiga suku besar di Provinsi NTB yaitu Sasak (Lombok), Samawa (Sumbawa) dan Mbojo (Bima). Deep Learning adalah salah satu cabang ilmu dari Machine Learning yang memanfaatkan jaringan syaraf tiruan untuk implementasi permasalahan dengan dataset besar. Salah satu metode Deep Learning yang mampu memberikan hasil signifikan dalam mengenali objek gambar adalah Convolutional Neural Network (CNN). CNN merupakan salah satu metode yang banyak digunakan untuk menyelesaikan permasalahan yang berkaitan dengan object detection dan image classification. Oleh karena itu, diperlukan suatu usaha pengenalan batik sasambo salah satu cara dalam mengenali motif batik adalah dengan metode pengenalan pola. Metode CNN dapat diterapkan dalam klasifikasi gambar pada batik sasambo sehingga peneliti ingin melakukan klasifikasi gambar pada batik sasambo dengan menggunakan metode CNN tersebut. Data sampel yang digunakan sebanyak 300 data citra untuk 3 kategori. Hasil implementasi Deep Learning dengan menggunakan CNN dalam mengklasifikasikan batik sasambo motif peresean, bunga aruna dan kangkung dinilai cukup baik. Banyaknya layer konvolusi yang digunakan yaitu sebanyak 4 layer konvolusi. Akurasi yang didapatkan dari uji model untuk data test didapatkan sebesar 80%.
Co-Authors Edy Widodo