KLASIFIKASI JENIS BATIK BERDASARKAN MOTIF MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

Hasanudin, - (2024) KLASIFIKASI JENIS BATIK BERDASARKAN MOTIF MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN). Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text COVER.pdf Download (25kB)
	Text LEMBAR PENGESAHAN.pdf Download (123kB)
	Text LEMBAR PERNYATAAN.pdf Download (97kB)
	Text ABSTRAK.pdf Download (17kB)
	Text BAB I PENDAHULUAN.pdf Download (60kB)
	Text KLASIFIKASI JENIS BATIK BERDASARKAN MOTIF MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN).pdf Download (2MB)
	Text DAFTAR PUSTAKA.pdf Download (80kB)
	Text SURAT KETERANGAN CEK PLAGIARISME.pdf Download (235kB)

Abstract

ABSTRAK Penelitian ini mengeksplorasi klasifikasi motif batik menggunakan metode Convolutional Neural Network (CNN). CNN secara langsung, menunjukkan bahwa suatu gambar dimasukkan ke dalam jaringan CNN secara langsung, kemudian dilanjutkan dengan beberapa tahap konvolusi dan pooling. Kemudian, hasil penggambaran aktivitas masa lalu akan ditangani di lapisan yang sepenuhnya terkait. Aplikasi disini melakukan pendeteksian dengan cara mengimpor gambar dari dokumen, selanjutnya hasil akurasi disini muncul dengan angka 90,94% berjenis motif batik yang dimana aplikasi tersebut mendapatkan hasil deteksi berdasarkan motifnya. Sistem deteksi penggunaan sabuk pengaman pada pengemudi mobil dapat dilakukan dengan menggunakan metode Convolutional Neural Network (CNN). Berdasarkan proses pelatihan menunjukkan nilai presisi sebesar 83%, nilai recall sebesar 90%, nilai f1 score sebesar 89% dan nilai akurasi sebesar 87%. Kata Kunci : Convolutional Neural Network, Batik ABSTRACT This research explores the classification of batik motifs using the Convolutional Neural Network (CNN) method. CNN directly, indicates that an image is fed into the CNN network directly, then continues with several stages of convolution and pooling. Then, the results of depicting past activities will be handled in a completely related layer. The application here carries out detection by importing images from documents, then the accuracy results here appear with a figure of 90.94% for the type of batik motif, where the application gets detection results based on the motif. The system for detecting seat belt use in car drivers can be done using the Convolutional Neural Network (CNN) method. Based on the training process, it shows a precision value of 83%, a recall value of 90%, an f1 score value of 89% and an accuracy value of 87%. Keywords: Convolutional Neural Network, Batik

Actions (login required)

View Item