MISNA PINTE MIARA Primary Author mixed material bibliography Banda Aceh Fakultas Teknik (S1) 2025

Skripsi

Abstrak - Batik merupakan salah satu warisan budaya Indonesia yang telah diakui oleh UNESCO sebagai Warisan Budaya Takbenda Dunia sejak tahun 2009. Meskipun penelitian mengenai batik dari berbagai daerah di Indonesia telah banyak dilakukan, studi yang secara khusus membahas motif batik Aceh masih sangat terbatas. Padahal, upaya pengenalan dan pelestarian motif batik Aceh memiliki urgensi yang tinggi dalam rangka menjaga kelangsungan warisan budaya daerah. Berdasarkan latar belakang tersebut, penelitian ini bertujuan untuk membangun model deep learning yang mampu mengklasifikasikan enam jenis motif batik Aceh yang populer, yaitu Pinto Aceh, Rencong Aceh, Deheun, Bungong Meulu, Emun Berangkat, dan Bungong Bambang. Metode penelitian diawali dengan pembangunan dataset citra motif batik Aceh. Pengumpulan data dilakukan melalui pemotretan langsung terhadap kain batik Aceh di kantor Dewan Kerajinan Nasional Aceh dan kantor Dinas Kebudayaan dan Pariwisata Aceh. Pengumpulan data ini menghasilkan 600 citra awal. Citra-citra tersebut kemudian dilabelkan ke dalam enam kategori berdasarkan jenis motif dengan validasi pelabelan dilakukan oleh ahli batik dari Dewan Kerajinan Nasional Aceh. Selanjutnya teknik augmentasi rotasi dan flipping dilakukan untuk meningkatkan keragaman dan jumlah data, sehingga menghasilkan dataset akhir yang mengandung 1.800 citra. Dataset ini digunakan untuk melatih model deep learning berbasis tiga arsitektur Convolutional Neural Network (CNN), yaitu EfficientNet-B0, MobileNet, dan ResNet50. Pembagian dataset dilakukan dengan rasio 80% untuk data pelatihan, 10% untuk data validasi, dan 10% untuk data pengujian. Pelatihan model dilakukan dengan variasi jumlah epoch (20, 40, 60, 80, dan 100) serta tiga nilai learning rate (0,01; 0,001; dan 0,0001). Evaluasi performa model dilakukan dengan menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model terbaik diperoleh menggunakan arsitektur MobileNet dengan konfigurasi 40 epoch dan learning rate 0,01, yang menghasilkan akurasi sebesar 96,11%, precision 96,38%, recall 96,11%, dan F1-score 96,11%. Luaran dari penelitian ini diharapkan dapat berkontribusi dalam proses pendataan, pengelompokan, serta upaya pelestarian motif batik Aceh melalui pendekatan teknologi digital berbasis deep learning. Kata Kunci: Motif Batik Aceh; Convolutional Neural Network (CNN); Deep Learning; Klasifikasi Citra; Dataset Citra 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 159863 2025-07-10 19:09:09 2025-07-11 09:34:03 machine generated