<![CDATA[Benda arkeologi di Museum Sulawesi Tenggara berjumlah lebih dari 4.666 koleksi dengan keragaman bentuk, fungsi, dan karakteristik visual yang tinggi. Proses kategorisasi yang selama ini dilakukan secara manual oleh kurator memiliki keterbatasan konsistensi dan efisiensi, khususnya ketika volume koleksi terus bertambah. Penelitian ini bertujuan merancang dan mengimplementasikan sistem klasterisasi citra benda arkeologi berbasis Semi-supervised Deep Embedded Clustering (SDEC) dengan fine-tuning EfficientNetV2B2 sebagai ekstraktor fitur. Dataset terdiri dari 593 citra yang dibagi ke dalam 10 kategori koleksi museum, dengan skema semi-supervised menggunakan 50% data berlabel dan 50% data tidak berlabel. Metode yang diterapkan meliputi preprocessing citra, fine-tuning dua fase EfficientNetV2B2, pembentukan head embedding berdimensi 256, inisialisasi centroid berbasis class-mean, serta optimasi klaster menggunakan KL Divergence dan Sparse Categorical Cross-Entropy (SCCE) sebagai joint loss. Hasil evaluasi menunjukkan Acc All sebesar 86,17%, Acc Labeled sebesar 90,91%, Acc UnLabeled sebesar 81,42%, dan Silhouette Score sebesar 0,1421, dengan peningkatan akurasi data tidak berlabel sebesar 41,89% dibandingkan baseline classifier EfficientNetV2B2. Visualisasi t-SNE mengonfirmasi bahwa sebagian besar kategori membentuk kelompok yang cukup terpisah di ruang embedding. Sistem diimplementasikan dalam antarmuka berbasis Streamlit sebagai alat bantu digitalisasi koleksi arkeologi di Sulawesi Tenggara.]]>
Copyrights © 2026
