%A Nahri Abbie Syeh 
%T PERBANDINGAN KINERJA ARSITEKTUR CONVOLUTIONAL NEURAL 
NETWORK (CNN) ALEXNET DAN EFFICIENTNET UNTUK 
IDENTIFIKASI CITRA BATIK LAMPUNG
%X Motif batik mencerminkan filosofi dan budaya dari setiap daerah, termasuk 
Batik Lampung dengan berbagai coraknya yang khas. Motif pada batik Lampung 
mencakup berbagai hal kehidupan disekitar. Motif batik Lampung yang beragam 
dapat dikenali dari pola-pola khasnya. Namun, masih sulit membedakan batik 
Lampung hanya dengan melihat warna, corak, dan teksturnya menggunakan mata 
manusia karena batik lampung bersifat identitas suatu suku dan daerah sehingga 
motifnya tidak mudah untuk dibedakan.
Pengenalan terhadap motif batik Lampung sangat penting agar orang awam 
dapat dengan mudah mengetahui jenis-jenis batik Lampung. Oleh karena itu, 
diperlukan teknologi untuk mempermudah proses identifikasi.
Teknologi computer vision dalam deep learning, yang dikenal sebagai 
Convolutional Neural Network (CNN) dengan arsitektur yang dipakai AlexNet dan 
EfficientNet-B4 untuk mengidentifikasi citra dan mempelajari pola citra dengan 
jumlah yang banyak. Dataset yang digunakan sebanyak 1000 citra dari 10 kelas 
motif batik lampung yang telah diagumentasi. Teknik Augmentasi yang digunakan 
yaitu rotate, shift, dan zoom. Hasil akurasi sebesar 95,33% untuk arsitektur AlexNet 
dan 98,00% arsitektur EfficienNet-B4. Meskipun masih ditemukan beberapa 
kesalahan dalam klasifikasi, disebabkan oleh kesamaan pola dan kesamaan posisi 
gambar
%D 2024
%C UNIVERSITAS LAMPUNG 
%R 1917051018
%I FAKULTAS MATEMATIKA  DAN ILMU PENGETAHUAN ALAM
%L eprints82743