R, Moch Rafli Muharom (2022) Klasifikasi pamor keris dengan metode Convolutional Neural Network (CNN) / Moch Rafli Muharom R. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Keris merupakan suatu warisan kebudayaan Indonesia yang memiliki bermacam karakteristik diantaranya pamor dhapur dan tangguh. Pamor sebagai salah satu bagian penting dari sebuah keris yang mencerminkan harapan Sang Empu dan anugerah dari Sang Kholik yang tertuang dalam bilah keris. Pamor keris mengalami penurunan minat bagi remaja karena adanya aspek isoteri dan berkembangnya teknologi berpotensi untuk mengenali atau mengidentifikasi khususnya mengidentifikasi pamor. Pemanfaatan computer vision merupakan salah satu cara untuk untuk mengenali sebuah pamor keris dari sisi visual seni. Penelitian ini bertujuan mengumpulkan data berupa pamor keris berwarna yang didapat melalui Google Image dengan kualitas dan posisi yang beragam mengolah data dan memisahkan data menjadi beberapa skenario yang nantinya akan dijadikan skenario pengujian data untuk menganalisis kualitas gambar atau kualitas data yang digunakan dan mengimplementasikan algoritma Convolutional Neural Network (CNN) dengan model MobileNetV2 dalam menguji data dan mengevaluasi data dengan memperhatikan time training overfitting jumlah label dan total gambar yang digunakan. Batasan pada penelitian ini yaitu data diambil dari google image yang memiliki kriteria dhapur tangguh dan pamor hanya dhapur lurus yang digunakan serta model CNN yang diimplementasikan yaitu MobileNetV2 dan mengidentifikasi label data pamor keris dan label luaran yaitu pamor tanpa memperhatikan jenis dhapur dan tangguhnya. Metode penelitian ini diawali dengan definisi masalah kemudian dilanjut dengan pengumpulan data yang mendapatkan 1910 gambar yang diklasifikasi menjadi 78 pamor. Selanjutnya yaitu pengolahan data yang terdiri dari (1) Data Cleaning yang didasari oleh dua sudut pandang keilmuan data dan kebudayaan dengan menghilangkan segala sesuatu noise pada gambar seperti menghapus latar belakang gambar menghapus deder warangka keris dan memposisikan keris sesuatu dengan etika dan norma yang berlaku dalam dunia perkerisan. (2) Data Cleaning lanjutan yang didasari definisi pamor bahwa pamor merupakan pola pada bilah keris dan berasumsi bahwa pamor bisa dikenali pada sebagian bilah saja dengan cara melakukan Pertama pengamatan pola pamor secara teoritis Kedua pemotongan pada pola tertentu Ketiga resizing scala menjadi 224x224 pixels Keempat penggelapan pada gambar dengan nilai exposure 30% atau dehazing dan Kelima blurring pada non pamor dengan nilai hardnes 80%. (3) Data Filtering yang memisahkan data menjadi 6 skenario pengujian data. (4) Data Transformation yang mengubah data menjadi array pixel dan membagi menjadi rasio 8 2 2 yang terdiri dari data latih data validasi data uji. (5) Pengujian dan Evaluasi untuk mencari nilai terbaik dengan data terbaik dan evaluasi dengan beberapa tinjauan seperti time trainig overfitting jumlah label yuang digunakan accuracy score loss train amp loss validate jumlah gambar yang digunakan dan confusion matrix. Evaluasi data juga dilakukan dengan meninjau standar deviasi jumlah label mean range minimum data dan maximum data. Hasil penelitian pengujian dari 6 skenario menunjukan bahwa Skenario 1 mendapatkan nilai accuracy score 0.36 dengan waktu latih 90 detik dan rasio data sebanyak 1146 data latih 382 data validasi 382 data uji. Skenario 2 mendapatkan nilai accuracy score 0.39 dengan waktu latih 438 detik dan rasio data sama dengan data pada skenario 1. Skenario 3 mendapatkan nilai accuracy score 0.89 dengan waktu latih 21 detik dan rasio data sebanyak 464 data latih 115 data validasi 115 data uji. Skenario 4 mendapatkan nilai accuracy score 1.0 dengan waktu latih 15 detik dan rasio data sebanyak 48 data latih 16 data validasi 16 data uji. Skenario 5 mendapatkan nilai accuracy score 0.97 dengan waktu latih 18 detik dan rasio data sebanyak 175 data latih 59 data validasi 59 data uji. Skenario 6 mendapatkan nilai accuracy score 0.93 dengan waktu latih 24 detik dan rasio data sebanyak 243 data latih 81 data validasi 82 data uji. Hasil eksperimen menunjukan bahwa data yang digunakan pada skenario 3 hingga 6 menunjukan hasil yang positif terlihat bahwa accuracy score diatas 0.80 serta unggul dalam hal lainnya ini menujukan bahwa pengolahan data berkelanjutan akan membantu CNN dalam mengenali sebuah pola pamor pada bilah keris.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | Users 2 not found. |
| Date Deposited: | 01 Feb 2022 04:29 |
| Last Modified: | 09 Sep 2022 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/273339 |
Actions (login required)
 |
View Item |