Di Indonesia terdapat 33 macam jenis kain khas, diantaranya adalah kain batik dan sasirangan. Kain batik dibuat dengan cara mempola, melukis menggunakan lilin yang sudah dicairkan, pewarnaan, membatik Kembali dan mencucinya untuk menghilangkan lapisan lilinya, sedangkan kain sasirangan yaitu dengan dijelujur dengan pola dan dicelupkan ke pewarna kain. Banyak jenis dari kain batik dan kain sasirangan sehingga tidak mudah membedakan yang mana kain sasirangan atau kain batik. Selain itu banyak bentuk pola batik yang hampir mirip dengan motif sasirangan. Pada kasus ini perlu dilakukan penelitian yang dapat mengklasifikasikan antara kain batik dan kain sasirangan agar masyarakat tidak menyamakan pola batik dengan pola sasirangan. Metode yang dipergunakan untuk melakukan klasifikasi ini yatu dengan model deep learning pada metode Convolution Neural Network (CNN). Deep Learning memiliki kemampuan sangat baik dalam melakukan klas-ifikasi objek pada sebuah citra dalam perkembangan teknologi GPU acceleration. Kemampuan klasifikasi yang dilakukan deep learning menerapkan metode CNN dengan dua tahap yaitu melakukan feedforward pada klasifikasi citra dan melakukan tahap pembelajaran menggunakan metode backpropagation. Sebelum melakukan dua tahap dari metode CNN tersebut perlu melakukan praproses yaitu dengan menerapkan metode wrapping dan cropping agar objek yang diklasifikasi dapat lebih terfokus dan selanjutnya metode feedforward dan backpropagation melakukan training. Setelah melakukan training maka dilakukan testing dengan metode feedforward dimana bobot dan bias diperbaharui sehingga menghasilkan akurasi sebesar 91,84% dengan melakukan iterasi sebanyak 20 pada data training dan hasil akurasi pada saat melakukan testing sebesar 99,73%.
Copyrights © 2021