KLASIFIKASI MOTIF BATIK KERATON MENGGUNAKAN ARSITEKTUR FINE TUNING RESNET-50

STEFARON BUDHI SANTOSA (2025) KLASIFIKASI MOTIF BATIK KERATON MENGGUNAKAN ARSITEKTUR FINE TUNING RESNET-50. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71210800_Bab 1_Bab 5_Daftarpustaka.pdf Download (7MB)
	Text (Skripsi Informatika) 71210800_Bab 2-sd-Bab 4_Lampiran.pdf Restricted to Registered users only Download (5MB) | Request a copy

Abstract

Batik merupakan warisan budaya Indonesia yang memiliki berbagai motif, namun klasifikasi motif secara manual masih menjadi tantangan. Penelitian ini bertujuan untuk mengembangkan model klasifikasi motif batik dengan menggunakan arsitektur ResNet50 yang dilengkapi dengan data augmentasi untuk meningkatkan akurasi model. Dataset yang digunakan terdiri dari empat kelas motif batik, yaitu Kawung, Mega Mendung, Parang, dan Truntum. Penelitian sebelumnya yang menggunakan arsitektur model pre-traine lain hanya mampu mencapai akurasi data validasi sebesar 89,7%. Dalam penelitian ini, model dilatih menggunakan fine-tuning pada ResNet50 yang dilengkapi dengan penambahan layer CNN untuk ekstraksi fitur, serta menggunakan metode augmentasi data untuk mengatasi dataset yang minim. Hasil menunjukkan bahwa model yang diusulkan berhasil mencapai akurasi tertinggi sebesar 97,25% pada data uji dan 98,63% pada data validasi, yang secara signifikan lebih baik dibandingkan dengan metode tanpa augmentasi data. Penelitian ini membuktikan bahwa penerapan fine-tuning ResNet50 dengan penambahan layer CNN dan augmentasi data dapat secara efektif mengklasifikasikan motif batik, serta memberikan potensi untuk mendukung otomatisasi proses klasifikasi dalam industri batik.

Actions (login required)

View Item