Implementasi Algoritma CNN dan Saliency Map dalam Klasifikasi Motif Batik Cirebon

Aditiya, Yoga (2024) Implementasi Algoritma CNN dan Saliency Map dalam Klasifikasi Motif Batik Cirebon. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (716kB)
	PDF BAB_I.pdf Download (210kB)
	PDF BAB_II.pdf Download (950kB)
	PDF BAB_III.pdf Download (443kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (580kB)
	PDF BAB_V.pdf Download (202kB)
	PDF DAFTAR_PUSTAKA.pdf Download (210kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Batik Cirebon merupakan salah satu warisan budaya Indonesia yang memiliki keunikan tersendiri dalam corak dan motifnya, yang mencerminkan kekayaan budaya dan sejarah dari daerah asalnya. Penelitian ini bertujuan untuk mengatasi tantangan dalam klasifikasi motif Batik Cirebon yang kompleks dengan mengimplementasikan metode Convolutional Neural Network (CNN) dan Saliency Map. Tiga motif utama yang digunakan adalah Mega Mendung, Singa Barong, dan Keratonan. Dataset diperoleh dari berbagai sumber daring dan diproses dengan teknik augmentasi gambar. CNN digunakan untuk mengenali pola visual kompleks, sementara Saliency Map menyoroti area penting dalam gambar yang mempengaruhi keputusan model. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mencapai akurasi sebesar 82%, presisi 83%, recall 82%, dan f1-score 82%. Penggunaan Saliency Map memberikan interpretabilitas yang lebih baik, dan meningkatkan pemahaman terhadap proses klasifikasi.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Batik Cirebon, CNN, klasifikasi, Saliency Map
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	10 Nov 2024 11:08
Last Modified:	10 Nov 2024 11:08
URI:	https://kc.umn.ac.id/id/eprint/34084

Actions (login required)

View Item