Eka Nainggolan, Rinay
Unknown Affiliation

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

Found 1 Documents
Search

KLASIFIKASI MOTIF PADA TENUN TRADISIONAL TARUTUNG MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DAN PERANCANGAN VISUAL PRODUCT GUIDE BERBASIS WEBSITE Eka Nainggolan, Rinay; Yandra Niska, Debi; Iskandar Al Idrus, Said; Saputra S, Kana
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 2 (2025): JATI Vol. 9 No. 2
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i2.13053

Abstract

Tarutung merupakan salah satu wilayah di Sumatera Utara yang masih aktif dalam melestarikan tradisi tenunnya. Desain kain tenun Tarutung terus berkembang dengan motif yang lebih bervariasi, mencerminkan dinamika budaya yang menggabungkan tradisi dan tren kontemporer. Hasil wawancara yang dilakukan peneliti dengan 25 pemasok songket di Tarutung menunjukkan 72% (18 orang) mengalami kesulitan mengidentifikasi jenis tenun, terutama penjual baru dan sales promotor yang perlu menjelaskan detail produk kepada pelanggan. Hasil wawancara juga menunjukkan 80% (20 orang) penjual kesulitan mengetahui kegunaan tenun karena keberagaman yang ada. Pembeli sering bertanya tentang penggunaan yang tepat, seperti untuk pakaian, upacara adat, keagamaan, atau dekorasi, sehingga penjual perlu memberikan informasi yang akurat. Kesulitan membedakan jenis tenun disebabkan oleh kemiripan pola akibat perbedaan satu atau dua lidi dalam proses mamutik (pembuatan motif). Penjual biasanya berdiskusi dengan sesama penjual atau memeriksanya ke pengrajin, yang tentunya memakan waktu lama. Ketidakakuratan informasi dapat mengurangi kepercayaan pelanggan, menurunkan pendapatan, dan mempersulit penentuan harga. Penjual harus memastikan informasi produk akurat untuk menghindari kerugian. Penelitian ini bertujuan untuk membangun model klasifikasi tenun Tarutung berdasarkan motif menggunakan metode Convolutional Neural Network (CNN), yang diintegrasikan ke dalam sebuah website untuk mengidentifikasi jenis kain yang diunggah pengguna. Selain itu, website juga menyediakan informasi relavan yang memudahkan akses pengguna ke berbagai fitur yang tersedia. Penelitian ini menghasilkan model CNN dengan akurasi sebesar 94%, precision 96%, recall 94%, dan F1-score 94%.