<![CDATA[Wayang kulit merupakan warisan budaya tak benda Indonesia yang diakui UNESCO sejak 2003, namun minat generasi muda terhadap kesenian ini menurun seiring sulitnya masyarakat awam mengidentifikasi karakter wayang, khususnya para dewa yang memiliki kemiripan visual tinggi. Penelitian ini mengembangkan pipeline deteksi dan klasifikasi karakter dewa wayang kulit purwa gagrak Jawa menggunakan pendekatan deep learning dua tahap. Dataset dibangun dari 1.300 citra daring dengan 13 kelas karakter yang dianotasi bounding box menggunakan Label Studio. Tahap deteksi objek menggunakan YOLOv8n, sedangkan tahap klasifikasi membandingkan enam arsitektur CNN berbasis transfer learning (ConvNeXt-Tiny, EfficientNet-V2-S, DenseNet-121, MobileNet-V2, GoogLeNet, dan ResNet-50) dengan skema 5-fold stratified cross-validation. Hasil evaluasi menunjukkan YOLOv8n mencapai mAP@50 sebesar 89,59% dan mAP@50-95 sebesar 73,08%. Pada tahap klasifikasi, ConvNeXt-Tiny memberikan performa terbaik dengan akurasi 92,69% dan F1-Score 0,91, diikuti EfficientNet-V2-S (91,69%) dan ResNet-50 (91,38%). Kelas Indra menjadi kelas yang paling sulit dikenali akibat kemiripan visual dengan karakter lain. Penelitian ini diharapkan dapat menjadi salah satu rujukan teknis bagi pengembangan sistem identifikasi karakter wayang kulit berbasis deep learning, sebagai bagian dari upaya dokumentasi visual yang lebih luas terhadap warisan budaya ini.]]>
Copyrights © 2026
