Klasifikasi Jenis Batik Menggunakan Algoritma Convolutional Neural Network

Yesicha Amilia Putri (Universitas Muhammadiyah Malang)
Yufis Azhar (Universitas Muhammadiyah Malang)
Agus Eko Minarno (Universitas Muhammadiyah Malang)

Jurnal Repositor
Vol 3 No 2 (2021): Februari 2021

Beragamnya motif batik di Indonesia menyulitkan dalam pengenalan pola citra batik. Dalam hal ini diperlukannya klasifikasi citra batik untuk mengidentifikasi karakteristik citra. Dataset yang digunakan merupakan dataset batik berjumlah 300 data dengan 50 jenis batik dan setiap kategori terdapat 6 data. Algoritma yang digunakan dalam penelitian ini adalah Convolutional Neural Network (CNN). CNN merupakan salah satu teknik Deep Learning yang memiliki hasil paling signifikan didalam pengenalan citra. Model VGG16 digunakan pada pengujian untuk membandingkan akurasi yang diperoleh dan waktu yang dibutuhkan. Penelitian ini dilakukan untuk membuktikan model yang diusulkan mampu mengklasifikasi citra batik dengan baik. Hal ini dapat dibuktikan bahwa akurasi yang didapatkan menggunakan CNN sebesar 98% dan membutuhkan waktu lebih cepat dibandingkan model VGG16.