Klasifikasi Citra Motif Batik Banyuwangi Menggunakan Convolutional Neural Network

Abstract

Batik cloth is one of Indonesia's most valuable cultural heritages and has been recognized by UNESCO as one of the world heritages. Many Indonesian people do not know the batik motifs of each region. Banyuwangi itself has more than 10 batik motifs, among the most famous Banyuwangi batik motifs is the Gajah Oling motif. The Banyuwangi batik motif classification system is a system built using the Python library with Python programming language. This system can recognize 7 types of Banyuwangi batik motifs, including Gajah Oling, Gedegan, Coffee Pecah, Moto Pitik, Kutah Rice, Paras Earthy and Sisikan. This system uses the convolutional neural network method and for evaluation, the confusion matrix method is used to measure the accuracy value. The research uses a CNN model with an architecture named MyCustomModel. The data used in this study were 120 images for each batik motif and the prediction results get an accuracy value of 63%.

Aplikasi Deteksi Motif dan Crawling Produk Batik Banyuwangi Berbasis Web

“…Jika pengguna melakukan aksi klik pada tombol detail, maka sistem akan menunjukkan penjelasan lengkap mengenai filosofi atau sejarah terkait dengan motif batik yang dideteksi. Model deteksi yang digunakan merupakan model yang telah dikembangkan pada penelitian terdahulu [7], [8] Prinsip kerja fitur deteksi motif Batik Banyuwangi secara garis besar yaitu pengguna mengirimkan data berupa gambar batik melalui aplikasi menggunakan metode Http Request yang dideklarasikan pada file urls.py. Selanjutnya, aplikasi akan merespon data gambar yang dikirimkan dengan melakukan deteksi yang dicocokkan dengan model yang telah dibuat pada penelitian sebelumnya [7], [8].…”

“…Model deteksi yang digunakan merupakan model yang telah dikembangkan pada penelitian terdahulu [7], [8] Prinsip kerja fitur deteksi motif Batik Banyuwangi secara garis besar yaitu pengguna mengirimkan data berupa gambar batik melalui aplikasi menggunakan metode Http Request yang dideklarasikan pada file urls.py. Selanjutnya, aplikasi akan merespon data gambar yang dikirimkan dengan melakukan deteksi yang dicocokkan dengan model yang telah dibuat pada penelitian sebelumnya [7], [8]. Model tersebut agar dapat diproses oleh aplikasi berbasis web, maka harus dikonversi ke dalam format file berekstensi *h5.…”

“…Penelitian ini merupakan tahapan awal dalam pengembangan dari aplikasi Galeri Batik Banyuwangi. Penelitian tentang deteksi atau identifikasi motif Batik Banyuwangi sebetulnya beberapa sudah dilakukan [7], [8]. Adapun teknik crawling telah banyak digunakan pada kebutuhan tertentu, seperti untuk ekstraksi informasi pariwisata pada TripAdvisor [9], crawling toko obat buah naga dari Tokopedia [10], serta kebutuhan lain seperti ekstraksi informasi halaman web dengan pendekatan bootstrapping [11].…”

“…Maka dari itu, muncul gagasan aplikasi deteksi motif dan crawling batik banyuwangi berbasis website, yaitu media edukasi dan informasi batik banyuwangi. Aplikasi ini mempunyai fitur deteksi yaitu menjalankan model deteksi motif banyuwangi yang telah dilakukan penelitian sebelumnya [7], [8]. Hasil identifikasi motif batik Banyuwangi berbasis pengolahan citra ini nantinya akan dilengkapi dengan filosofi jenis motif batik yang mengedukasi masyarakat, selain itu meng-crawling produk batik dari tokopedia untuk mendapatkan sempel harga dan produk batik banyuwangi.…”

Klasifikasi Jenis Pisang Menggunakan Convolutional Neural Network

“…Deep Learning digunakan untuk mengidentifikasi objek dalam gambar, mencocokkan item berita, mengubah ucapan menjadi kata, memilih hasil pencarian yang relevan, dan posting atau produk sesuai dengan minat pengguna. [7] Convolutional [8] Buah Pisang memasok kebutuhan tidak hanya pasar dalam Negeri, tetapi juga pasar Internasional. Proses pengenalan aneka buah pisang pada umumnya dilakukan dengan dua cara yaitu pertama dilakukan secara manual oleh manusia untuk pengenalan buah pisang dan kedua menggunakan metode destruktif dengan cara pengambilan sampel.…”