Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Keris
UNESCO telah menetapkan keris Indonesia sebagai Masterpiece of The Oral and Intangible Heritage of Humanity. Keris memiliki bilah yang terdiri dari pamor, dhapur, dan Tangguh yang merupakan istilah yang digunakan untuk menyebut nama bentuk dari bilah keris. Dhapur keris ada yang berbentuk lurus dan...
Saved in:
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2024-07-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/7260 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1823858605166690304 |
|---|---|
| author | Maria Mediatrix Sebatubun Cosmas Haryawan |
| author_facet | Maria Mediatrix Sebatubun Cosmas Haryawan |
| author_sort | Maria Mediatrix Sebatubun |
| collection | DOAJ |
| description | UNESCO telah menetapkan keris Indonesia sebagai Masterpiece of The Oral and Intangible Heritage of Humanity. Keris memiliki bilah yang terdiri dari pamor, dhapur, dan Tangguh yang merupakan istilah yang digunakan untuk menyebut nama bentuk dari bilah keris. Dhapur keris ada yang berbentuk lurus dan lengkok (Luk dalam bahasa jawa). Yang berbentuk luk, jumlahnya bermacam-macam, mulai dari luk 3 (tiga) sampai luk 29 (dua puluh Sembilan). Jenis keris berdasarkan dapur yang diakui secara baku sekitar 150 jenis. Namun, bentuk dhapur keris tidak mudah dikenali secara langsung. Selain karena jenisnya yang banyak, bentuk dhapur ini terkadang memiliki karakteristik yang mirip meskipun jenisnya berbeda. Hal ini menyebabkan tidak semua orang dapat mengenali keris dengan mudah. Penelitian ini akan mengimplementasikan metode deep learning dengan algoritma Convolutional Neural Network (CNN) yang dapat melakukan tugas klasifikasi secara langsung pada citra, untuk membangun sebuah model untuk klasifikasi jenis keris berdasarkan dhapur. Data yang digunakan adalah citra keris jawa yang diambil secara manual dan maupun dari buku. Data citra terdiri dari 67 citra keris yang terdiri dari dua kelas yaitu 19 keris Parung Sari dan 48 keris Tilam Upih. Akurasi proses training sebesar 75% dan nilai validasi sebesar 66,67%. |
| format | Article |
| id | doaj-art-2386f55e8dfb42ee83be6601f0ea5a52 |
| institution | Kabale University |
| issn | 2355-7699 2528-6579 |
| language | Indonesian |
| publishDate | 2024-07-01 |
| publisher | University of Brawijaya |
| record_format | Article |
| series | Jurnal Teknologi Informasi dan Ilmu Komputer |
| spelling | doaj-art-2386f55e8dfb42ee83be6601f0ea5a522025-02-11T10:38:12ZindUniversity of BrawijayaJurnal Teknologi Informasi dan Ilmu Komputer2355-76992528-65792024-07-0111310.25126/jtiik.937260Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis KerisMaria Mediatrix Sebatubun0Cosmas Haryawan1Universitas Teknologi Digital Indonesia, YogyakartaUniversitas Teknologi Digital Indonesia, YogyakartaUNESCO telah menetapkan keris Indonesia sebagai Masterpiece of The Oral and Intangible Heritage of Humanity. Keris memiliki bilah yang terdiri dari pamor, dhapur, dan Tangguh yang merupakan istilah yang digunakan untuk menyebut nama bentuk dari bilah keris. Dhapur keris ada yang berbentuk lurus dan lengkok (Luk dalam bahasa jawa). Yang berbentuk luk, jumlahnya bermacam-macam, mulai dari luk 3 (tiga) sampai luk 29 (dua puluh Sembilan). Jenis keris berdasarkan dapur yang diakui secara baku sekitar 150 jenis. Namun, bentuk dhapur keris tidak mudah dikenali secara langsung. Selain karena jenisnya yang banyak, bentuk dhapur ini terkadang memiliki karakteristik yang mirip meskipun jenisnya berbeda. Hal ini menyebabkan tidak semua orang dapat mengenali keris dengan mudah. Penelitian ini akan mengimplementasikan metode deep learning dengan algoritma Convolutional Neural Network (CNN) yang dapat melakukan tugas klasifikasi secara langsung pada citra, untuk membangun sebuah model untuk klasifikasi jenis keris berdasarkan dhapur. Data yang digunakan adalah citra keris jawa yang diambil secara manual dan maupun dari buku. Data citra terdiri dari 67 citra keris yang terdiri dari dua kelas yaitu 19 keris Parung Sari dan 48 keris Tilam Upih. Akurasi proses training sebesar 75% dan nilai validasi sebesar 66,67%.https://jtiik.ub.ac.id/index.php/jtiik/article/view/7260 |
| spellingShingle | Maria Mediatrix Sebatubun Cosmas Haryawan Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Keris Jurnal Teknologi Informasi dan Ilmu Komputer |
| title | Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Keris |
| title_full | Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Keris |
| title_fullStr | Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Keris |
| title_full_unstemmed | Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Keris |
| title_short | Implementasi Algoritma Convolutional Neural Network untuk Klasifikasi Jenis Keris |
| title_sort | implementasi algoritma convolutional neural network untuk klasifikasi jenis keris |
| url | https://jtiik.ub.ac.id/index.php/jtiik/article/view/7260 |
| work_keys_str_mv | AT mariamediatrixsebatubun implementasialgoritmaconvolutionalneuralnetworkuntukklasifikasijeniskeris AT cosmasharyawan implementasialgoritmaconvolutionalneuralnetworkuntukklasifikasijeniskeris |