Klasifikasi Pola Kain Tenun Melayu Menggunakan Faster R-CNN

Motif tenun melayu sangat beragam. Keberagaman ini membuat sulit membedakan motif-motif kain tenun tersebut. Klasifikasi data diperlukan untuk mengidentifikasi karakteristik objek yang terkandung dalam basis data agar kemudian dikategorikan ke dalam kelompok yang berbeda. Tujuan penelitian yang dica...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Yoze Rizki, Reny Medikawati Taufiq, Harun Mukhtar, Dinia Putri
Formato:	article
Lenguaje:	EN
Publicado:	UIR Press 2021
Materias:	klasifikasi computer vision deep learning faster r-cnn tenun Computer software QA76.75-76.765 Information technology T58.5-58.64 Computer engineering. Computer hardware TK7885-7895
Acceso en línea:	https://doaj.org/article/576793f7dfad4e3ca5504d8dfd5a1fa3
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

id	oai:doaj.org-article:576793f7dfad4e3ca5504d8dfd5a1fa3
record_format	dspace
spelling	oai:doaj.org-article:576793f7dfad4e3ca5504d8dfd5a1fa32021-11-04T09:52:53ZKlasifikasi Pola Kain Tenun Melayu Menggunakan Faster R-CNN2528-40612528-405310.25299/itjrd.2021.vol5(2).5831https://doaj.org/article/576793f7dfad4e3ca5504d8dfd5a1fa32021-01-01T00:00:00Zhttps://journal.uir.ac.id/index.php/ITJRD/article/view/5831https://doaj.org/toc/2528-4061https://doaj.org/toc/2528-4053Motif tenun melayu sangat beragam. Keberagaman ini membuat sulit membedakan motif-motif kain tenun tersebut. Klasifikasi data diperlukan untuk mengidentifikasi karakteristik objek yang terkandung dalam basis data agar kemudian dikategorikan ke dalam kelompok yang berbeda. Tujuan penelitian yang dicapai dalam penelitian ini yaitu untuk mengetahui performa pengenalan dan klasifikasi motif tenun melayu menggunakan Faster R-CNN dengan model arsitektur VGG, dengan cara mengukur persentase dari tingkat akurasi, presisi, dan recall yang akan divalidasi menggunakan K-Fold Cross Validation. Penelitian ini menggunakan algoritma deteksi objek Faster R-CNN sebagai metode pengenalan dan klasifikasi pola kain berbasis citra digital. Faster R-CNN merupakan salah satu metode yang digunakan untuk mengenali objek pada citra digital. Kemampuan pengenalan objek ini digenean untuk mengenali dan mengklasifikasi motif-motif kain tenun melayu. Jumlah dataset yang digunakan berjumlah 100 citra yang diacak untuk masing-masing dari 5 (lima) fold pada K-fold cross validation. Data tersebut dibagi menjadi 80 data train dan 20 data test. Setelah dilakukan persiapan data, pre-processing, serta implementasi, dilakukan pengujian dengan hasil bahwa dari data latih yang berupa citra kain tenun melayu, didapatkan skor rata-rata training loss dari step pertama hingga step terakhir sebesar 1,915. Klasifikasi karakteristik pengenalan motif tenun melayu menggunakan Metode deteksi objek Faster R-CNN melalui validasi K-Fold Cross Validation dengan nilai k=5, didapatkan akurasi 82.14%, presisi 91.38% dan recall 91.36%.Yoze RizkiReny Medikawati TaufiqHarun MukhtarDinia PutriUIR Pressarticleklasifikasicomputer visiondeep learningfaster r-cnntenunComputer softwareQA76.75-76.765Information technologyT58.5-58.64Computer engineering. Computer hardwareTK7885-7895ENIT Journal Research and Development, Vol 5, Iss 2, Pp 215-225 (2021)
institution	DOAJ
collection	DOAJ
language	EN
topic	klasifikasi computer vision deep learning faster r-cnn tenun Computer software QA76.75-76.765 Information technology T58.5-58.64 Computer engineering. Computer hardware TK7885-7895
spellingShingle	klasifikasi computer vision deep learning faster r-cnn tenun Computer software QA76.75-76.765 Information technology T58.5-58.64 Computer engineering. Computer hardware TK7885-7895 Yoze Rizki Reny Medikawati Taufiq Harun Mukhtar Dinia Putri Klasifikasi Pola Kain Tenun Melayu Menggunakan Faster R-CNN
description	Motif tenun melayu sangat beragam. Keberagaman ini membuat sulit membedakan motif-motif kain tenun tersebut. Klasifikasi data diperlukan untuk mengidentifikasi karakteristik objek yang terkandung dalam basis data agar kemudian dikategorikan ke dalam kelompok yang berbeda. Tujuan penelitian yang dicapai dalam penelitian ini yaitu untuk mengetahui performa pengenalan dan klasifikasi motif tenun melayu menggunakan Faster R-CNN dengan model arsitektur VGG, dengan cara mengukur persentase dari tingkat akurasi, presisi, dan recall yang akan divalidasi menggunakan K-Fold Cross Validation. Penelitian ini menggunakan algoritma deteksi objek Faster R-CNN sebagai metode pengenalan dan klasifikasi pola kain berbasis citra digital. Faster R-CNN merupakan salah satu metode yang digunakan untuk mengenali objek pada citra digital. Kemampuan pengenalan objek ini digenean untuk mengenali dan mengklasifikasi motif-motif kain tenun melayu. Jumlah dataset yang digunakan berjumlah 100 citra yang diacak untuk masing-masing dari 5 (lima) fold pada K-fold cross validation. Data tersebut dibagi menjadi 80 data train dan 20 data test. Setelah dilakukan persiapan data, pre-processing, serta implementasi, dilakukan pengujian dengan hasil bahwa dari data latih yang berupa citra kain tenun melayu, didapatkan skor rata-rata training loss dari step pertama hingga step terakhir sebesar 1,915. Klasifikasi karakteristik pengenalan motif tenun melayu menggunakan Metode deteksi objek Faster R-CNN melalui validasi K-Fold Cross Validation dengan nilai k=5, didapatkan akurasi 82.14%, presisi 91.38% dan recall 91.36%.
format	article
author	Yoze Rizki Reny Medikawati Taufiq Harun Mukhtar Dinia Putri
author_facet	Yoze Rizki Reny Medikawati Taufiq Harun Mukhtar Dinia Putri
author_sort	Yoze Rizki
title	Klasifikasi Pola Kain Tenun Melayu Menggunakan Faster R-CNN
title_short	Klasifikasi Pola Kain Tenun Melayu Menggunakan Faster R-CNN
title_full	Klasifikasi Pola Kain Tenun Melayu Menggunakan Faster R-CNN
title_fullStr	Klasifikasi Pola Kain Tenun Melayu Menggunakan Faster R-CNN
title_full_unstemmed	Klasifikasi Pola Kain Tenun Melayu Menggunakan Faster R-CNN
title_sort	klasifikasi pola kain tenun melayu menggunakan faster r-cnn
publisher	UIR Press
publishDate	2021
url	https://doaj.org/article/576793f7dfad4e3ca5504d8dfd5a1fa3
work_keys_str_mv	AT yozerizki klasifikasipolakaintenunmelayumenggunakanfasterrcnn AT renymedikawatitaufiq klasifikasipolakaintenunmelayumenggunakanfasterrcnn AT harunmukhtar klasifikasipolakaintenunmelayumenggunakanfasterrcnn AT diniaputri klasifikasipolakaintenunmelayumenggunakanfasterrcnn
_version_	1718444900484120576

Klasifikasi Pola Kain Tenun Melayu Menggunakan Faster R-CNN

Ejemplares similares