IMPLEMENTASI CNN UNTUK KLASIFIKASI JENIS MOTIF BATIK SKRIPSI

Suciningrum, Dya Ayu (2025) IMPLEMENTASI CNN UNTUK KLASIFIKASI JENIS MOTIF BATIK SKRIPSI. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

This is the latest version of this item.

[img] Text (Full Text)
RAMA_55201_2113020214.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (4MB)
[img] Text (Similarity)
RAMA_55201_2113020214_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (964kB)
[img] Text (Cover sd BAB 1 + References)
RAMA_55201_2113020214_0708028704_0720117501_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (526kB)
[img] Text (BAB 2)
RAMA_55201_2113020214_0708028704_0720117501_02.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (3MB)
[img] Text (BAB 3)
RAMA_55201_2113020214_0708028704_0720117501_03.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (3MB)
[img] Text (BAB 4)
RAMA_55201_2113020214_0708028704_0720117501_04.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (3MB)
[img] Text (BAB 5)
RAMA_55201_2113020214_0708028704_0720117501_05.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (13kB)
[img] Text (References)
RAMA_55201_2113020214_0708028704_0720117501_06_ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (250kB)
[img] Text (Lampiran)
RAMA_55201_2113020214_0708028704_0720117501_07_lamp.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (3MB)

Abstract

Penelitian ini membahas permasalahan dalam mengidentifikasi dan mengklasifikasikan motif batik Kediri secara manual yang dinilai kurang efisien dan rentan terhadap kesalahan. Sebagai solusi, dikembangkan sistem klasifikasi otomatis berbasis Convolutional Neural Network (CNN) untuk mengenali tiga kategori utama motif batik Kediri, yaitu motif hewan, tumbuhan, dan wayang. Penelitian ini menggunakan arsitektur MobileNet yang efisien untuk pengolahan citra. Data diperoleh dari galeri batik Lochatara, Wates, Kediri, dan diproses melalui tahapan resizing, normalisasi, serta augmentasi guna meningkatkan performa model. Proses klasifikasi mencakup ekstraksi fitur dengan konvolusi, aktivasi ReLU, pooling, serta evaluasi menggunakan fungsi loss Categorical Crossentropy. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi tinggi, khususnya pada motif wayang, yaitu antara 86.52% hingga 98.46%. Sistem ini diharapkan dapat memudahkan masyarakat dalam mengenali motif batik dan mendukung upaya pelestarian budaya lokal melalui teknologi.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Batik Kediri, Convolutional Neural Network (CNN), MobileNet, Klasifikasi Motif
Subjects: 410 Engineering science > 459 Computer science
410 Engineering science > 461 Information systems
410 Engineering science > 462 Information technology
410 Engineering science > 463 Software engineering
710 Education science > 786 Informatics engineering
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika
Depositing User: Dya Ayu Suciningrum
Last Modified: 07 Aug 2025 10:41
URI: http://repository.unpkediri.ac.id/id/eprint/20708

Available Versions of this Item

Actions (login required)

View Item View Item