Paradigma Klasifikasi Ragam Seni Lukis Berbasis Convolutional Neural Network (CNN) Dengan MobileNetV2 Dan Implementasi Pada Postman Melalui Flask Api

Ratu Nurmalika (Universitas Gunadarma)
Makmun Makmun (Universitas Gunadarma)
Bambang Yulianto (Universitas Gunadarma)
Ichsani Mursidah (Universitas Gunadarma)
Dhian Sweetania (Universitas Gunadarma)
Puji Sularsih (Universitas Gunadarma)

Jurnal Minfo Polgan (JMP)
Vol. 13 No. 2 (2024): Artikel Penelitian

Tujuan dari penelitian ini adalah untuk membuat model klasifikasi genre seni lukis menggunakan Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. MobileNetV2 dipilih karena kemampuannya untuk bekerja dengan baik meskipun digunakan pada perangkat dengan daya komputasi terbatas. Data yang digunakan dalam penelitian ini mencakup berbagai genre seni lukis yang didapatkan secara gratis melalui situs Kaggle. yang kemudian melakukan Data Preprocessing dan Augmentation. Setelah model dilatih, langkah implementasi dilakukan menggunakan framework web Flask, yang berbasis Python. Ini memungkinkan API untuk diakses melalui Postman. API ini memungkinkan pengguna mengunggah karya seni dan menerima prediksi genre sebagai tanggapan. Hasil penelitian menunjukkan bahwa model yang dikembangkan dapat mengklasifikasikan genre seni lukis dengan akurasi 82% dan kehilangan 0.4, dan bahwa Application Program Interface (API) yang dibangun dapat berfungsi dengan baik untuk menyediakan layanan prediksi. Diharapkan bahwa penerapan ini akan memberikan kontribusi yang signifikan dalam bidang analisis seni dan aplikasi teknologi dalam seni lukis, serta memberikan alat yang bermanfaat bagi kurator, seniman, dan peneliti seni.