MULKIANSAH Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2024

Skripsi

ABSTRAK Penelitian ini bertujuan mengembangkan model klasifikasi batik Kerawang Gayo berbasis deep learning. Batik Kerawang Gayo merupakan warisan budaya Indonesia dengan karakteristik motif khas dan unik. Namun, pemahaman masyarakat tentang berbagai jenisnya masih terbatas dan belum ada model otomatis untuk mengidentifikasinya. Metode deep learning Convolutional Neural Network (CNN) digunakan untuk mengatasi tantangan dalam mengklasifikasikan beragam motif batik Kerawang Gayo. Dataset yang terdiri dari 5 jenis yang dikumpulkan setelah augmentasi sebanyak 2.250, lalu model CNN dilatih untuk mengenali dan mengklasifikasikan pola-pola tersebut, hasil menunjukkan bahwa batch size berpengaruh signifikan terhadap performa model ResNet-50. Performa terbaik diperoleh dengan batch size 32, mencapai akurasi validasi tertinggi 97%, gap loss dan akurasi training-validasi terkecil, serta fluktuasi stabil. Overfitting menjadi masalah pada batch size 16 dengan gap besar antara loss dan akurasi training-validasi, sedangkan batch size 8 mengalami fluktuasi besar pada loss dan akurasi validasi. Meskipun performa terbaik pada batch size 32, masih ada ruang perbaikan dengan optimasi hyperparameter, regularisation, dan arsitektur model untuk meningkatkan akurasi, presisi, recall, dan F1-score. Pemilihan batch size tepat penting untuk mengoptimalkan ResNet-50, karena batch size terlalu kecil menyebabkan ketidakstabilan, sedangkan terlalu besar berpotensi overfitting. Penelitian ini berpotensi meningkatkan pemahaman masyarakat tentang batik Kerawang Gayo dan promosi budaya Indonesia melalui teknologi deep learning. Kata Kunci : Dataset, CNN, Deep learning, Kerawang Gayo 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 126602 2024-07-25 10:04:00 2024-07-25 13:36:26 machine generated