IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI MOTIF BATIK

Muwafiq, Atho'ul and PAMUNGKAS, DANAR PUTRA and WULANNINGRUM, RESTY (2020) IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI MOTIF BATIK. Prosiding Semnasinotek 2020. ISSN 2549-7952

[img] Text (Full Text)
RAMA_55201_16103020091.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (885kB) | Request a copy
[img] Text (Similarity)
RAMA_55201_16103020091_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (399kB)
[img] Text (References)
RAMA_55201_16103020091_0708028704_0719068702_06_ref.pdf - Bibliography
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (165kB) | Request a copy

Abstract

Batik merupakan salah satu warisan kesenian dari leluhur yang ditetapkan oleh badan dunia PBB yakni UNESCO sebagai warisan budaya bangsa Indonesia. Pengetahuan tentang macam macam motif batik secara eksplisit yang jarang dimiliki oleh orang awam dan hanya dimiliki orang-orang tertentu yang memiliki keahlian pada bidang tersebut. Untuk mengatasi permasalahan tersebut, perlu dibuat sistem pengenalan jenis- jenis batik yang optimal melalui pendekatan algoritma Convolution Neural Network yang diharapkan dapat memberikan pengenalan motif batik secara optimal. Pengujian dilakukan dengan melakukan pengujian terhadap vektor yang ada. Berdasarkan nilai probabilitas yang diperoleh dari setiap pengujian, maka membuktikan bahwa metode ini mampu mengklasifikasi batik dengan cukup baik.

Item Type: Article
Uncontrolled Keywords: Convolutional Neural Network, Batik, Klasifikasi
Subjects: 410 Engineering science > 462 Information technology
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika
Depositing User: Mr Athoul Muwafiq
Date Deposited: 26 Aug 2020 21:38
Last Modified: 26 Aug 2020 21:38
URI: http://repository.unpkediri.ac.id/id/eprint/1746

Actions (login required)

View Item View Item