PERBANDINGAN KINERJA ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) ALEXNET DAN EFFICIENTNET UNTUK IDENTIFIKASI CITRA BATIK LAMPUNG

Abbie Syeh , Nahri (2024) PERBANDINGAN KINERJA ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) ALEXNET DAN EFFICIENTNET UNTUK IDENTIFIKASI CITRA BATIK LAMPUNG. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM, UNIVERSITAS LAMPUNG .

Preview	Text ABSTRAK .pdf Download (16kB) | Preview
	Text SKRIPSI FULL.pdf Restricted to Repository staff only Download (4MB) | Request a copy
Preview	Text SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (3MB) | Preview

Abstract

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

Item Type:	Other
Subjects:	?? 000 ?? ?? 005 ?? ?? 500 ??
Divisions:	Fakultas MIPA > Prodi Ilmu Komputer
Depositing User:	2308268474 . Digilib
Date Deposited:	11 Feb 2025 03:36
Last Modified:	11 Feb 2025 03:36
URI:	http://digilib.unila.ac.id/id/eprint/82743

Actions (login required)

View Item