This Author published in this journals
All Journal Jurnal Mnemonic
Pratama, Awanda Setya Sanfajar
Unknown Affiliation

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

Found 1 Documents
Search

CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK MENENTUKAN GAGRAK WAYANG KULIT Pratama, Awanda Setya Sanfajar; Prasetya Wibawa, Aji; Nur Handayani, Anik
Jurnal Mnemonic Vol 5 No 2 (2022): Mnemonic Vol. 5 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v5i2.4671

Abstract

Indonesia adalah negara yang kaya akan keragaman budaya, salah satu dari budaya Indonesia adalah Wayang Kulit. Wayang kulit di Indonesia memiliki beragam gagrak, mulai dari Cirebon, Solo, Jawa-Timuran, Yogyakarta dan lain sebagainya. Keberagaman dari gagrak wayang kulit membuat generasi muda kesulitan untuk mengetahui gagrak dari wayang kulit. Dari permasalahan tersebut, peneliti akan mengembangkan sebuah machine learning dengan menggunakan Convolutional Neural Network (CNN) untuk menentukan gagrak wayang kulit. Tujuan penelitian ini adalah menghasilkan machine learning yang bisa menentukan gagrak dari wayang kulit. Data yang digunakan pada penelitian ini terdiri dari 280 gambar wayang kulit yang diunduh satu persatu di platform Facebook dan Google penelusuran gambar, warna latar belakang gambar tersebut diubah menjadi putih dan diubah ukuran menjadi 640*480 pixel. Data tersebut disebarkan melalui google form dan dilakukan validasi menggunakan Inter-annotator Agreement sehingga dapat digunakan pada proses pelatihan dengan metode CNN di Google Colab. Setelah itu dilakukan pengujian untuk menentukan gagrak wayang kulit menggunakan 3 arsitektur CNN yaang sudah dibuktikan pada penelitian-penelitian sebelumnya. Hasil dari penelitian ini menunjukan bahwa arsitektur yang digunakan oleh Sudiatmika & Dewi merupakan model klasifikasi terbaik dari ketiga arsitektur, arsitektur tersebut mendapatkan akurasi sebesar 92,27%, presisi sebesar 92,22%, recall sebesar 96,85% dan f-measure sebesar 91,93%.