Klasifikasi Motif Batik Khas Maluku dengan Menggunakan Metode Convolutional Neural Network Arsitektur DenseNet-169

Abstract

Pada batik khas Maluku tidak hanya terdapat satu motif saja pada sehelai kain, melainkan menampilkan berbagai motif serupa sehingga dapat menyebabkan kesulitan dalam mengenali motif serta nama dan informasi dari batik tersebut. Oleh karena itu, untuk mengenali pola pada motif batik khas Maluku (CengkehPala, Kakehan, Nuri, Pattimura, dan Salawaku), maka diperlukan suatu sistem untuk mengklasifikasikan jenis-jenis motif batik. Klasifikasi motif batik dapat dilakukan dengan menggunakan klasifikasi citra pada metode Convolutional Neural Network (CNN) dan menggunakan teknik augmentasi cutmix untuk meningkatan dataset yang terbatas. Penelitian ini bertujuan untuk mengimplementasikan metode CNN arsitektur DenseNet169 pada pengenalan pola batik khas Maluku dan mengetahui perfoma yang dihasilkan dengan menerapkan augmentasi cutmix. Hasil penelitian menunjukan CNN arsitektur DenseNet-169 dengan augmentasi cutmix memberikan perfoma model yang lebih baik dibandingkan tanpa augmentasi, dengan menggunakan augmentasi cutmix didapatkan akurasi tertinggi berada pada rasio 70:20:10 epoch 15 dengan akurasi sebesar 99% sedangkan tanpa augmentasi akurasi tertinggi didapat sebesar 88% dengan rasio dan epoch yang sama, terlihat adanya peningkatan akurasi sebesar 11% ketika pengujian dengan augmentasi.