Klasifikasi Motif Batik Jambi Menggunakan Convulotional Neural Network

Fadli Pratama; M.Theo Ari Bangsa; Andreo Yudertha

doi:10.31004/riggs.v4i4.3602

Authors

Fadli Pratama Universitas Islam Negeri Sulthan Thaha Saifuddin Jambi
M.Theo Ari Bangsa Universitas Islam Negeri Sulthan Thaha Saifuddin Jambi
Andreo Yudertha Universitas Islam Negeri Sulthan Thaha Saifuddin Jambi

DOI:

https://doi.org/10.31004/riggs.v4i4.3602

Keywords:

Klasifikasi, Motif Batik Jambi, CNN

Abstract

Batik merupakan budaya yang sangat melekat di Indonesia dan dapat ditemukan di seluruh Nusantara dengan gaya unik masing-masing daerah, termasuk batik Jambi. Batik Jambi memiliki kekhasan pada motif, warna, serta filosofi yang terkandung di dalamnya. Namun, pemahaman masyarakat, khususnya generasi muda, terhadap ragam motif batik Jambi masih terbatas. Oleh karena itu, penelitian ini bertujuan mengembangkan sistem klasifikasi otomatis untuk mengidentifikasi motif batik Jambi menggunakan kecerdasan buatan, khususnya Convolutional Neural Network (CNN). Arsitektur yang digunakan adalah VGG16, salah satu model CNN yang terbukti efektif untuk pengenalan citra. Penelitian ini melibatkan tahap pengumpulan dataset yang terdiri dari 1215 citra batik Jambi yang terbagi ke dalam 15 motif berbeda seperti Angso Duo, Batanghari, dan Bungo Melati. Tahapan penelitian mencakup augmentasi data untuk memperkaya variasi citra, pelatihan model, dan evaluasi performa sistem. Hasil penelitian menunjukkan bahwa model final VGG16 mampu mengidentifikasi motif batik Jambi dengan sangat baik, ditunjukkan oleh akurasi sebesar 97,43%, validation akurasi 99,11%, serta rata-rata precision, recall, dan F1-score sebesar 99%. Nilai evaluasi yang berada di atas 95% membuktikan bahwa model mampu melakukan klasifikasi secara konsisten dan akurat. Dengan adanya sistem ini, diharapkan masyarakat Jambi dan generasi muda dapat lebih mengenal dan memahami motif batik daerahnya, sekaligus membantu upaya pelestarian budaya. Teknologi kecerdasan buatan dapat menjadi sarana penting dalam mendukung pelestarian dan digitalisasi warisan budaya Indonesia.

Downloads

Download data is not yet available.

References

S. F. Tumewu, D. H. Setiabud, and I. Sugiarto, “Klasifikasi Motif Batik menggunakan Metode Deep Convolutional Neural Network dengan Data Augmentation,” J. Infra, vol. 8, no. 2, pp. 189–194, 2020.

J. Surya, R. Wahyuning Astuti, and P. Priyanto, “Media Informasi Pengenalan Makna Dan Motif Batik Jambi Berbasis Android Pada Sanggar Batik Olak Kemang,” J. Akad., vol. 14, no. 2, pp. 81–87, 2022, doi: 10.53564/akademika.v14i2.865.

A. E. Minarno, “Klasifikasi Jenis Batik Menggunakan Algoritma Convolutional Neural Network,” J. Repos., vol. 3, no. 2, pp. 199–206, 2021, doi: 10.22219/repositor.v3i2.1201.

S. Wahyuni Kalumbang, “Perbandingan Regresi Logistik, Klasifikasi Naive Bayes, Dan Random Forest (Comparison the Logistic Regression, Naive Bayes Classification, and Random Forest),” J. Mat. Thales, vol. 03, no. 02, pp. 1–13, 2021.

S. Ariessaputra, V. H. Vidiasari, S. M. Al Sasongko, B. Darmawan, and S. Nababan, “Classification of Lombok Songket and Sasambo Batik Motifs Using the Convolution Neural Network (CNN) Algorithm,” Int. J. Informatics Vis., vol. 8, no. 1, pp. 38–44, 2024, doi: 10.62527/joiv.8.1.1386.

R. Oktafiani, A. Hermawan, and D. Avianto, “Pengaruh Komposisi Split data Terhadap Performa Klasifikasi Penyakit Kanker Payudara Menggunakan Algoritma Machine Learning,” J. Sains dan Inform., no. August, pp. 19–28, 2023, doi: 10.34128/jsi.v9i1.622.

L. A. Andika, H. Pratiwi, and S. S. Handajani, “Klasifikasi Penyakit Pneumonia Menggunakan Metode Convolutional Neural Network Dengan Optimasi Adaptive Momentum,” Indones. J. Stat. Its Appl., vol. 3, no. 3, pp. 331–340, 2019, doi: 10.29244/ijsa.v3i3.560.

D. Gede, T. Meranggi, N. Yudistira, and Y. Arum, “Batik Classification Using Convolutional Neural Network with Data Improvements,” vol. 6, no. March, pp. 6–11, 2022.

G. D. A. N. Cnn, A. R. Dani, and I. Handayani, “KLASIFIKASI MOTIF BATIK YOGYAKARTA MENGGUNAKAN METODE GLCM DAN CNN,” vol. 10, no. 2, pp. 142–156, 2024.

T. Bariyah, M. A. Rasyidi, U. Internasional, and S. Indonesia, “Convolutional Neural Network Untuk Metode Klasifikasi Multi-Label Pada Motif Batik,” vol. 20, no. 1, pp. 155–165, 2021.

R. Mawan, “Klasifikasi motif batik menggunakan Convolutional Neural Network,” Jnanaloka, pp. 45–50, 2020, doi: 10.36802/jnanaloka.2020.v1-no1-45-50.

M. N. Azmi, T. Informatika, P. Lor, and J. Tengah, “ANALISIS PENGARUH DIMENSI GAMBAR PADA KLASIFIKASI MOTIF BATIK DENGAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK,” vol. 6, no. 2, pp. 190–198, 2023.

S. Arifin, J. Letjend, P. Soemarto, and K. P. Utara, “Klasifikasi Motif Batik Menggunakan Metode Convolutional Neural Network ( CNN ) Dengan Multi Class Clasification,” vol. 10, no. 1, pp. 30–38, 2024.

A. Prayoga, Maimunah, P. Sukmasetya, Muhammad Resa Arif Yudianto, and Rofi Abul Hasani, “Arsitektur Convolutional Neural Network untuk Model Klasifikasi Citra Batik Yogyakarta,” J. Appl. Comput. Sci. Technol., vol. 4, no. 2, pp. 82–89, 2023, doi: 10.52158/jacost.v4i2.486.

T. DeVries and G. W. Taylor, “Learning Confidence for Out-of-Distribution Detection in Neural Networks,” 2018, [Online]. Available: http://arxiv.org/abs/1802.04865