Implementasi Metode Convolutional Neural Network (CNN) untuk Klasifikasi Motif pada Citra Sasirangan

Abstract

Kain Sasirangan berasal dari suku Banjar di Kalimantan Selatan adalah salah satu warisan budaya Indonesia bernilai tinggi yang kaya akan sejarah dan makna. Sasirangan memiliki corak yang beragam, setiap motif dan corak pada Sasirangan memiliki makna dan simbolisme tersendiri. Pengenalan citra motif Sasirangan memiliki potensi besar untuk pengembangan aplikasi dalam berbagai bidang, seperti industri kreatif, desain produk, serta pelestarian budaya dan warisan lokal. Namun, proses pengenalan motif Sasirangan secara manual memerlukan waktu dan usaha yang besar. Dengan mengadaptasi metode Convolutional Neural Network kedalam klasifikasi citra motif Sasirangan, diharapkan dapat mempermudah dan mempercepat proses identifikasi motif serta meningkatkan akurasi klasifikasinya. Citra motif sasirangan yang dikumpulkan sebanyak 60 dari 6 kelas citra motif sasirangan yaitu motif sasirangan Abstrak, Gagatas, Kulat Kurikit, Bayam Raja, Gigi Haruan dan Hiris Pudak. Data citra kemudian diperbanyak dengan menerapkan proses augmentasi untuk mengatasi overfitting, sehingga didapatkan total data citra motif sasirangan sebanyak 900 citra. Berdasarkan hasil implementasi metode CNN untuk klasifikasi citra motif sasirangan, Nilai performansi model arsitektur CNN yang diusulkan mendapatkan nilai akurasi sebesar 82% untuk training pada data random dengan 25 epoch dan saat melakukan pengujian data dengan data uji sebanyak 26 data maka didapat hasil akurasi sebanyak 76%, ini membuktikan bahwa model arsitektur CNN yang diusulkan dapat mengklasifikasi citra motif sasirangan dengan baik.