Klasifikasi Pola Kain Tenun Melayu Menggunakan Faster R-CNN

Abstract

Motif tenun melayu sangat beragam. Keberagaman ini membuat sulit membedakan motif-motif kain tenun tersebut. Klasifikasi data diperlukan untuk mengidentifikasi karakteristik objek yang terkandung dalam basis data agar kemudian dikategorikan ke dalam kelompok yang berbeda. Tujuan penelitian yang dicapai dalam penelitian ini yaitu untuk mengetahui performa pengenalan dan klasifikasi motif tenun melayu menggunakan Faster R-CNN dengan model arsitektur VGG, dengan cara mengukur persentase dari tingkat akurasi, presisi, dan recall yang akan divalidasi menggunakan K-Fold Cross Validation. Penelitian ini menggunakan algoritma deteksi objek Faster R-CNN sebagai metode pengenalan dan klasifikasi pola kain berbasis citra digital. Faster R-CNN merupakan salah satu metode yang digunakan untuk mengenali objek pada citra digital. Kemampuan pengenalan objek ini digenean untuk mengenali dan mengklasifikasi motif-motif kain tenun melayu. Jumlah dataset yang digunakan berjumlah 100 citra yang diacak untuk masing-masing dari 5 (lima) fold pada K-fold cross validation. Data tersebut dibagi menjadi 80 data train dan 20 data test. Setelah dilakukan persiapan data, pre-processing, serta implementasi, dilakukan pengujian dengan hasil bahwa dari data latih yang berupa citra kain tenun melayu, didapatkan skor rata-rata training loss dari step pertama hingga step terakhir sebesar 1,915. Klasifikasi karakteristik pengenalan motif tenun melayu menggunakan Metode deteksi objek Faster R-CNN melalui validasi K-Fold Cross Validation dengan nilai k=5, didapatkan akurasi 82.14%, presisi 91.38% dan recall 91.36%.

Klasifikasi Buah Segar Dan Busuk Menggunakan Algoritma Convolutional Neural Network Dengan Tflite Sebagai Media Penerapan Model Machine Learning

“…Pooling Layer adalah pengurangan ukuran matriks dengan menggunakan operasi Pooling (Rizki, Medikawati Taufiq, Mukhtar, & Putri, 2021). Pooling Layer biasanya digunakan setelah Convolution Layer.…”

Identifikasi Objek Cagar Budaya Candi Mahligai Berbasis Citra Digital Menggunakan Mask R-CNN

“…Training Mask R-CNN adalah tahap utama dimana model dilatih untuk mempelajari suatu objek dari dataset [11]. Hasil akhir dari proses pembelajaran atau pelatihan Mask R-CNN adalah terbentuknya sebuah model pembelajaran mesin yang dapat mengklasifikasi candi mahligai.…”

Klasifikasi Buah Zaitun Menggunakan Convolution Neural Network

“…Proses penerapan fungsi aktifasi terjadi setelah proses konvolusi dan sebelum terjadi proses pooling. Fungsi aktivasi digunakan untuk membuat model jaringan syaraf tidak menghasilkan nilai nonlinear [13]. Pada proses ini, hasil dari konvolusi diberikan fungsi aktivasi.…”

“…Fungsi yang digunakan untuk aktivasi pada relu adalah nilai output dari neuron yang bisa dinyatakan sebagai 0 jika inputnya adalah negatif. Jika nilai input dari fungsi aktivasi adalah positif, maka output dari neuron adalah nilai input aktivasi itu sendiri [13]. Grafik fungsi dari aktivasi relu ditunjukkan pada Gambar 3.…”

“…Fungsi ini, biasanya digunakan pada model untuk klasifikasi yang hanya memiliki maksimal dua kelas saja. Sedangkan untuk softmax digunakan pada model untuk melakukan klasifikasi dua kelas atau lebih [13].…”