Aplikasi Interaktif Pengenalan Batik untuk Pengunjung Pameran Berbasis Android dan Image Processing
Abstract
Salah satu permasalahan yang dialami oleh masyarakat mengenai batik yaitu minimnya pengetahuan
mengenai citra batik yang ada di Indonesia. Keterbatasan tersebut dikarenakan kurangnya media yang membantu pengguna dalam mendapatkan informasi batik yang ingin diketahuinya, khususnya ketika diadakannya event pameran batik. Pengunjung masih melakukan interaksi secara langsung kepada pengrajin untuk memperoleh informasi batik tersebut. Penelitian ini bertujuan untuk membangun aplikasi untuk mengenali motif batik secara cepat dan akurat menggunakan image processing dengan metode Convolutional Neural Network (CNN). Proses pengenalan motif dilakukan dengan mendeteksi fitur yang ada pada gambar dan membandingkan fitur gambar tersebut dengan yang ada di dalam dataset, gambar akan terus dideteksi selama dalam bidang pandang kamera. Metode yang digunakan dalam pembuatan sistem ini adalah metode scrum yang meliputi product backlog, sprint planning meeting, sprint backlog, dan pengerjaan sprint. Aplikasi ini menggunakan dataset yang terdiri dari 12 motif batik dan setiap motif terdapat 600 gambar, dengan total keseluruhan motif yaitu 7200 gambar. Data tersebut dibagi dalam data training sebesar 6480 gambar (90%) dan data testing sejumlah 720 gambar (10%). Akurasi yang dihasilkan dari proses testing sebesar 99,86%. Hasil pengujian dilakukan menggunakan kain batik asli dengan sepuluh kali percobaan pada setiap kain batik dan didapatkan kebenaran dari hasil deteksi batik sebesar 100%
Full Text:
PDFReferences
J. Kusanti and R. Agus, “Application System for Identification of Surakarta Traditional Batik Images (SABATARA),” SinkrOn, vol. 4, no. 1, p. 5, 2019, doi: 10.33395/sinkron.v4i1.10202.
Y. Gultom, A. M. Arymurthy, and R. J. Masikome, “Batik Classification using Deep Convolutional Network Transfer Learning,” J. Ilmu Komput. dan Inf., vol. 11, no. 2, p. 59, 2018, doi: 10.21609/jiki.v11i2.507.
Nuraedah and M. Bakri, “Klasifikasi Motif Kain Tradisional Batik Bomba Kaili,” Semin. Nas. Sist. Inf. UNMER Malang, no. 14 September, pp. 715–723, 2017.
Y. Sari, “Klasifikasi Pengenalan Motif Batik Berbasis Image Retrival,” Jukung J. Tek. Lingkung., vol. 4, no. 2, pp. 27–33, 2018.
H. Kahamdany, D. P. D. Kusuma, and A. B. Osmond, “Pengembangan Motif Karang Jenis Leptoseris Papyracea Pada Aplikasi Batik Berbasis Web,” E-Proceeding Eng., vol. 5, no. 1, pp. 1065–1071, 2018.
S. R. Dewi, “Deep Learning Object Detection Pada Video,” 2018.
J. Kusanti and R. Agus, “Application System for Identification of Surakarta Traditional Batik Images (SABATARA),” SinkrOn, vol. 4, no. 1, p. 5, 2019, doi: 10.33395/sinkron.v4i1.10202.
Y. Gultom, A. M. Arymurthy, and R. J. Masikome, “Batik Classification using Deep Convolutional Network Transfer Learning,” J. Ilmu Komput. dan Inf., vol. 11, no. 2, p. 59, 2018, doi: 10.21609/jiki.v11i2.507.
Nuraedah and M. Bakri, “Klasifikasi Motif Kain Tradisional Batik Bomba Kaili,” Semin. Nas. Sist. Inf. UNMER Malang, no. 14 September, pp. 715–723, 2017.
Y. Sari, “Klasifikasi Pengenalan Motif Batik Berbasis Image Retrival,” Jukung J. Tek. Lingkung., vol. 4, no. 2, pp. 27–33, 2018.
H. Kahamdany, D. P. D. Kusuma, and A. B. Osmond, “Pengembangan Motif Karang Jenis Leptoseris Papyracea Pada Aplikasi Batik Berbasis Web,” E-Proceeding Eng., vol. 5, no. 1, pp. 1065–1071, 2018.
S. R. Dewi, “Deep Learning Object Detection Pada Video,” 2018.
K. P. Danukusumo,Title,” UNIVERSITAS ATMA JAYA YOGYAKARTA, 2017.
T. Nurhikmat, “Implementasu Deep Learning untuk Image Classification Menggunakan Algoritma Convolutional Neural Network (CNN) Pada Citra Wayang Golek,” UNIVERSITAS ISLAM INDONESIA YOGYAKARTA, 2018.
W. S. Eka Putra, “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101,” J. Tek. ITS, vol. 5, no. 1, 2016, doi: 10.12962/j23373539.v5i1.15696.
M. A. Abu, N. H. Indra, A. H. A. Rahman, N. A. Sapiee, and I. Ahmad, “A study on image classification based on deep learning and tensorflow,” Int. J. Eng. Res. Technol., vol. 12, no. 4, pp. 563–569, 2019.
F. Jalled and I. Voronkov, “Object Detection using Image Processing,” pp. 1–6, 2016.
L. A. Elrefaei, M. Omar Al-musawa, and N. Abdullah Al-gohany, “Development of an Android Application for Object Detection Based on Color, Shape or Local Features,” Int. J. Multimed. Its Appl., vol. 9, no. 1, pp. 21–30, 2017, doi: 10.5121/ijma.2017.9103.
C. E. M. Taskin, A. Yigit, D. Taskin, and A. C. Taskin, “Image Processing on Android Devices With Opencv,” Techsys 2017, no. May, 2017.
A. Maulana, “Identifikasi Jenis Daging Menggunakan Image Processing Android,” Universitas Lampung, 2018.
I. G. S. Masdiyasa, S. Bhirawa, and S. Winardi, “Identifikasi Plat Nomor Kendaraan Bermotor Menggunakan Metode Multi-Step Image Processing Berbasis Android,” vol. V, 2019.
M. Y. Gomà, “Image Recognition with Deep Learning Techniques and Tensorflow,” Universitat Politècnica de Catalunya (UPC) - BarcelonaTech, 2016.
M. Shaha and M. Pawar, “Transfer Learning for Image Classification,” 2018, doi: 10.1109/ICECA.2018.8474802.
M. A. Pangestu and H. Bunyamin, “Analisis Performa dan Pengembangan Sistem Deteksi Ras Anjing pada Gambar dengan Menggunakan Pre-Trained CNN Model,” Tek. Inform. dan Sist. Inf., vol. 4, no. 2, pp. 337–344, 2018.
M. Shu, “Deep learning for image classification on very small datasets using transfer learning,” Creat. Components, 2019.
M. A. H. Abas, N. Ismail, A. I. M. Yassin, and M. N. Taib, “VGG16 for plant image classification with transfer learning and data augmentation,” Int. J. Eng. Technol., vol. 7, no. 4, pp. 90–94, 2018, doi: 10.14419/ijet.v7i4.11.20781.
O. Alsing, “Mobile Object Detection using TensorFlow Lite and Transfer Learning,” KTH Royal Institute of Technology, Stoockholm, Sweden, 2018.
R. R. Ananda, “Pengembangan Media Pembelajaran Scrum Interaktif Berbasis Aplikasi Android,” UIN Alauiddin Makassar, 2018.
DOI: http://dx.doi.org/10.32497/jtet.v11i1.4903
DOI (PDF): http://dx.doi.org/10.32497/jtet.v11i1.4903.g108873
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
 | : 08112782211 |
 | : jtet@polines.ac.id |
