Klasifikasi Motif Batik Cirebon Menggunakan Convolutional Neural Network dan Pendekatan Berbasis Penggabungan Fitur Tekstur

Escalonia Candra, Areta (2025) Klasifikasi Motif Batik Cirebon Menggunakan Convolutional Neural Network dan Pendekatan Berbasis Penggabungan Fitur Tekstur. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (792kB)
	PDF ARTIKEL.pdf Download (721kB)
	PDF TURNITIN.pdf Download (105kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (20MB)
	PDF LETTER_OF_ACCEPTANCE.pdf Download (190kB)

Abstract

Klasifikasi motif batik Cirebon menghadirkan tantangan karena pola geometrisnya yang kompleks dan teksturnya yang kaya. Studi ini mengusulkan pendekatan hybrid dengan mengintegrasikan Convolutional Neural Network (CNN) dengan metode ekstraksi fitur tekstur Gray Level Co-occurrence Matrix (GLCM) dan Local Binary Pattern (LBP). Model ini diuji untuk mengklasifikasikan empat motif utama Megamendung, Sawat Pengantin, Paksi Naga Liman, dan Singa Barong. Prosesnya mencakup praproses citra, ekstraksi fitur menggunakan LBP dan GLCM, serta klasifikasi berbasis CNN. Hasil eksperimen menunjukkan akurasi klasifikasi keseluruhan sebesar 79%. Motif Megamendung mencapai performa tertinggi dengan precision 90%, recall 99%, dan F1-score 94%. Sebaliknya, motif Singa Barong menunjukkan performa terendah (46% pada semua metrik), yang disebabkan oleh kemiripan visual yang tinggi dengan motif lain serta jumlah sampel yang terbatas. Kombinasi antara ekstraksi fitur tekstur tradisional dan pembelajaran mendalam terbukti efektif dalam meningkatkan akurasi klasifikasi untuk dataset warisan budaya. Kerangka kerja ini menawarkan solusi untuk pengenalan otomatis motif batik Indonesia dan berkontribusi pada pelestarian digital warisan budaya.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Escalonia Candra, Areta (00000057872)
Contributors:	Pomalingo, Suwito Vasty Overbeek, Marlinda
Keywords:	Batik Cirebon, Convolutional Neural Network (CNN), Gray Level Co- occurrence Matrix (GLCM), klasifikasi gambar, Local Binary Pattern (LBP)
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Sep 2025 06:54
URI:	https://kc.umn.ac.id/id/eprint/40185

Actions (login required)

View Item