KLASIFIKASI BATIK RIAU DENGAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORKS (CNN)

KLASIFIKASI BATIK RIAU DENGAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORKS (CNN)

https://doi.org/10.33060/JIK/2020/Vol9.Iss1.144

Authors

Keywords:

Batik; Batik Riau; CNN; Image; Deep Learning

Abstract

ABSTRACT

Riau batik is known since the 18th century and is used by royal kings. Riau Batik is made by using a stamp that is mixed with coloring and then printed on fabric. The fabric used is usually silk. As its development, comparing Javanese  batik with riau batik Riau is very slowly accepted by the public. Convolutional Neural Networks (CNN) is a combination of artificial neural networks and deeplearning methods. CNN consists of one or more convolutional layers, often with a subsampling layer followed by one or more fully connected layers as a standard neural network. In the process, CNN will conduct training and testing of Riau batik so that a collection of batik models that have been classified based on the characteristics that exist in Riau batik can be determined so that images are Riau batik and non-Riau batik. Classification using CNN produces Riau batik and not Riau batik with an accuracy of 65%. Accuracy of 65% is due to basically many of the same motifs between batik and other batik with the difference lies in the color of the absorption in the batik riau.

Kata kunci: Batik; Batik Riau; CNN; Image; Deep Learning

 

ABSTRAK

 

Batik Riau dikenal sejak abad ke 18 dan digunakan oleh bangsawan raja. Batik Riau dibuat dengan menggunakan cap yang dicampur dengan pewarna kemudian dicetak di kain. Kain yang digunakan biasanya sutra. Seiring perkembangannya, dibandingkan batik Jawa maka batik Riau sangat lambat diterima oleh masyarakat. Convolutional Neural Networks (CNN) merupakan kombinasi dari jaringan syaraf tiruan dan metode deeplearning. CNN terdiri dari satu atau lebih lapisan konvolutional, seringnya dengan suatu lapisan subsampling yang diikuti oleh satu atau lebih lapisan yang terhubung penuh sebagai standar jaringan syaraf. Dalam prosesnya CNN akan melakukan training dan testing terhadap batik Riau sehingga didapat kumpulan model batik yang telah terklasi    fikasi berdasarkan ciri khas yang ada pada batik Riau sehingga dapat ditentukan gambar (image) yang merupakan batik Riau dan yang bukan merupakan batik Riau. Klasifikasi menggunakan CNN menghasilkan batik riau dan bukan batik riau dengan akurasi 65%. Akurasi 65% disebabkan pada dasarnya banyak motif yang sama antara batik riau dengan batik lainnya dengan perbedaan terletak pada warna cerap pada batik riau.

Kata kunci: Batik; Batik Riau; CNN; Image; Deep Learning

Downloads

Download data is not yet available.

References

Karpathy, Andrej. 2015. “Neural Networks Part 1: Setting Up the Architecture.” Notes for CS231n ConvolutionalNeural Networks for Visual Recognition, Stanford University.
Hijazi, 2015. “Using Convolutional Neural Networks for Image Recognition.” Tersedia di : <https://ip.cadence.com/uploads/901/TIP_WP_cnn_FINAL-pdf> [akses 11 Agustus 2018].
Chandra Kusuma Dewa , Amanda Lailatul Fadhilah, Afiahayati, 2018. “Convolutional Neural Networks for Handwritten Javanese Character Recognition”. IJCCS (Indonesian Journal of Computing and Cybernetics Systems) Vol.12, No.1, January 2018.
Dede Widiasti, 2017. "Pengembangan Industri Batik Riau Pada Rumah Kreatif Cempaka Di Kecamatan Rumbai Pesisir Kota Pekanbaru." JOM Fekon, Vol.4 No.1 Pekanbaru
Kina, 2013. "Batik Nusantara." Kementrian Perindustrian. Jakarta.
Pichitchai Pimkote, Thanapat Kangkachit, 2018. “Classification of Alcohol Brand Logos using Convolutional Neural Networks”. ICDAMT, Phayao.
Ria Ernita, 2016. " Kajian Batik Tullis Riau." Jurnal Rupa, Vol 1, No.1, FIK Universitas Telkom, Bandung
Xiaofeng Hang, Yan Li, 2015. "The Application of Convolution Neural networks in Handwritten Numeral Recognition." International Journal of Database Theory and Application, Vo.9, No.3.
Waseem Rawat, Zenghui Wang, 2017. "Deep Convolutional Neural Networks for Image Classification: A Comprehensive Review." Neural Computation, Massachusetts Institute of Technology.
S. L. Phung dan A. Bouzerdoum, 2009. "MATLAB library for convolutional neural network." Tersedia di: <https://www.uow.edu.au/~phung/docs/cnn-matlab/cnn-matlab.pdf > [akses 11 Agustus 2018]

Published

2020-05-21