Klasifikasi Citra Digital Batik Jawa Berdasarkan Motif dan Warna Menggunakan Metode Convolutional Neural Network
DOI:
https://doi.org/10.33005/santika.v5i1.545Keywords:
Batik Jawa, Convolutional Neural Network, Klasifikasi Citra DigitalAbstract
Penelitian ini bertujuan untuk mengklasifikasikan citra motif batik yang berasal dari Pulau Jawa menggunakan metode Convolutional Neural Network (CNN), dengan mempertimbangkan elemen warna dan pola visual sebagai fitur utama dalam proses klasifikasi. Lima kelas utama batik dipilih sebagai objek penelitian, yang mencakup motif batik dari Jawa Barat, Jawa Tengah, Jawa Timur, Madura, dan Yogyakarta. Total sebanyak 400 gambar digunakan sebagai dataset, yang diperoleh dari dua sumber daring, yaitu platform Kaggle dan hasil pencarian dari Google Image. Seluruh gambar yang diperoleh kemudian diproses melalui tahap pemotongan dan penyesuaian ukuran menjadi 200x200 piksel untuk memastikan konsistensi dalam dimensi input model. Dataset selanjutnya dibagi menjadi dua subset, yaitu data pelatihan dan data validasi dengan rasio 70:30. Tujuan pembagian ini adalah untuk memungkinkan pengujian model terhadap data yang belum pernah dilatih sebelumnya, guna mengukur kemampuan generalisasi model. Proses augmentasi data dilakukan menggunakan pustaka ImageDataGenerator untuk meningkatkan jumlah dan keragaman data pelatihan. Teknik augmentasi yang digunakan meliputi rotasi gambar, shear, zooming, horizontal flip, serta pergeseran posisi gambar secara vertikal dan horizontal (width-height shift). Data yang telah diaugmentasi kemudian digunakan sebagai input ke dalam arsitektur CNN yang telah dirancang. Model CNN dalam penelitian ini terdiri dari empat lapisan konvolusi dengan aktivasi ReLU dan lapisan max pooling, kemudian dilanjutkan dengan flatten layer dan fully connected layer sebagai tahap akhir klasifikasi. Evaluasi performa model dilakukan menggunakan metrik akurasi, confusion matrix, dan classification report. Hasil menunjukkan bahwa model mencapai akurasi 99% pada data pelatihan dan 98% pada data validasi. Seluruh implementasi dilakukan menggunakan bahasa pemrograman Python di platform Google Colab. Hasil ini membuktikan efektivitas CNN dalam mengenali dan mengklasifikasikan motif batik secara akurat.
References
S. Syefudin, M. N. Azmi, dan G. Gunawan, “Analisis Pengaruh Dimensi Gambar pada Klasifikasi Motif Batik dengan Menggunakan Convolutional Neural Network,” Jurnal Sistem Informasi dan Informatika (Simika), vol. 6, no. 2, pp. 190–198, 2023.
A. S. Simika, Analisis Pengaruh Dimensi Gambar pada Klasifikasi Motif Batik dengan CNN, Jurnal Teknologi dan Sistem Komputer, vol. 11, no. 1, pp. 32–38, 2023.
G. Wicaksono dan K. Mustofa, “Classification of Batik Patterns Using Convolutional Neural Network (CNN),” TELKOMNIKA (Telecommunication Computing Electronics and Control), vol. 19, no. 3, pp. 1002–1009, 2021.
R. N. Aisyah dan H. A. Nugroho, “Image Classification of Indonesian Batik Using CNN and Data Augmentation,” Proc. Int. Conf. Data and Software Engineering (ICoDSE), 2020.
Y. Li, J. Zhang, dan Y. Chen, “Image Classification Based on Deep Learning: A Survey,” Journal of Image and Graphics, vol. 8, no. 2, pp. 23–31, 2020.
E. Sudibyo dan R. Alif, “Implementasi CNN pada Klasifikasi Pola Tenun Tradisional Nusa Tenggara,” Jurnal Teknologi dan Sistem Informasi, vol. 10, no. 2, pp. 120–128, 2022.
