ANALISIS PERBANDINGAN KINERJA MODEL ARSITEKTUR VGG16 DAN RES-NET 50 UNTUK KLASIFIKASI CITRA MOTIF BATIK NITIK YOGYAKARTA - Dalam bentuk buku karya ilmiah
FERINA NUR WAHYUMI

Informasi Umum

Kode

25.04.3218

Klasifikasi

000 - General Works

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Deep Learning

Dilihat

25 kali

Informasi Lainnya

Abstraksi

Indonesia dikenal dengan kekayaan budaya tekstilnya, salah satunya adalah batik yang telah diakui sebagai warisan budaya dunia oleh UNESCO. Batik Nitik dari Yogyakarta merupakan salah satu jenis batik klasik yang terinspirasi dari kain patola India, dan memiliki sekitar 60 ragam motif yang kompleks dan terus berkembang seiring berjalannya waktu. Kompleksitas visual dari motif-motif tersebut sering kali menjadi tantangan dalam proses identifikasi secara manual. Penelitian ini bertujuan untuk membandingkan performa dua arsitektur <i>Convolutional Neural Network</i> (CNN), yaitu VGG16 dan Res-Net 50, dalam mengklasifikasikan lima jenis motif batik Nitik Yogyakarta yaitu motif Brendhi, Cakar Ayam, Kawung Nitik, Sekar Jagung dan Sekar Srengenge. Pengujian dilakukan dalam 48 skenario kombinasi parameter meliputi <i>batch</i> <i>size</i> (16, 32), <i>learning</i> <i>rate</i> (0.001, 0.0001), <i>epoch</i> (50, 100, 150), dan jenis lapisan akhir (<i>Flatten</i> dan <i>Global</i> <i>Average</i> <i>Pooling</i>) Hasil menunjukkan bahwa model VGG16 dengan konfigurasi <i>Flatten</i> <i>layer</i>, 100 <i>epoch</i>, <i>batch</i> <i>size</i> 32, dan <i>learning</i> <i>rate</i> 0.001 menghasilkan akurasi pengujian tertinggi sebesar 90%. Sementara itu, model Res-Net 50 menunjukkan akurasi pengujian tertinggi hanya sebesar 60%, dapat disimpulkan bahwa arsitektur VGG16 lebih unggul dibandingkan Res-Net 50 dalam pengklasifikasian motif Batik Nitik Yogyakarta

• CAK3JAB3 - PEMBELAJARAN MESIN

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook