JIK.

2020;9 (1): 7 - 10

J U R N A L I L M U KO M P U T E R
(COMPUTER SCIENCE JOURNAL)
http://jik.htp.ac.id

KLASIFIKASI BATIK RIAU DENGAN MENGGUNAKAN

CONVOLUTIONAL NEURAL NETWORKS (CNN)

Hendry fonda1, Yuda Irawan2, Anita Febriani3

Sistem Informatika, STMIK Hang Tuah Pekanbaru
Email :
fondaanda@gmail.com , yudairawan89@gmail.com2, nitasuheri@gmail.com3
1

Abstract
Riau ba k is known since the 18th century and is used by royal kings. Riau Ba k is made by using a stamp that is mixed with coloring and
then printed on fabric. The fabric used is usually silk. As its development, comparing Javanese ba k with riau ba k Riau is very slowly
accepted by the public. Convolu onal Neural Networks (CNN) is a combina on of ar ficial neural networks and deeplearning methods.
CNN consists of one or more convolu onal layers, o en with a subsampling layer followed by one or more fully connected layers as a
standard neural network. In the process, CNN will conduct training and tes ng of Riau ba k so that a collec on of ba k models that have
been classified based on the characteris cs that exist in Riau ba k can be determined so that images are Riau ba k and non-Riau ba k.
Classifica on using CNN produces Riau ba k and not Riau ba k with an accuracy of 65%. Accuracy of 65% is due to basically many of the
same mo fs between ba k and other ba k with the difference lies in the color of the absorp on in the ba k riau.

Keywords: Ba k; Ba k Riau; CNN; Image; Deep Learning

Abstrak
Ba k Riau dikenal sejak abad ke 18 dan digunakan oleh bangsawan raja. Ba k Riau dibuat dengan menggunakan cap yang dicampur
dengan pewarna kemudian dicetak di kain. Kain yang digunakan biasanya sutra. Seiring perkembangannya, dibandingkan ba k Jawa
maka ba k Riau sangat lambat diterima oleh masyarakat. Convolu onal Neural Networks (CNN) merupakan kombinasi dari jaringan
syaraf ruan dan metode deeplearning. CNN terdiri dari satu atau lebih lapisan konvolu onal, seringnya dengan suatu lapisan
subsampling yang diiku oleh satu atau lebih lapisan yang terhubung penuh sebagai standar jaringan syaraf. Dalam prosesnya CNN akan
melakukan training dan tes ng terhadap ba k Riau sehingga didapat kumpulan model ba k yang telah terklasi fikasi berdasarkan ciri
khas yang ada pada ba k Riau sehingga dapat ditentukan gambar (image) yang merupakan ba k Riau dan yang bukan merupakan ba k
Riau. Klasifikasi menggunakan CNN menghasilkan ba k riau dan bukan ba k riau dengan akurasi 65%. Akurasi 65% disebabkan pada
dasarnya banyak mo f yang sama antara ba k riau dengan ba k lainnya dengan perbedaan terletak pada warna cerap pada ba k riau.

Keywords: Ba k; Ba k Riau; CNN; Image; Deep Learning

E-ISSN : 2579 - 3918 | P-ISSN : 2302 - 710X

 JIK, Vol. 9, No. 1
8 April 2020
PENDAHULUAN
Ba k merupakan salah satu inden tas busana Indonesia dan
merupakan warisan budaya yang telah diakui UNESCO pada pada
2 Oktober 2009. Ada berbagai macam mo f ba k dari berbagai
daerah yang ada di Indonesia. Salah satu daerah yang melekatkan
budaya ba k adalah Riau. Ciri khas ba k Riau adalah mo f bunga-
bunga berpadu dengan nuansa warna yang lembut serta alur
tegak lurus yang disebut sebagai tabir. (Kementrian
Perindustrian, 2013). Ba k Riau dikenal sejak abad ke 18 dan
digunakan oleh bangsawan raja. Ba k Riau dibuat dengan
menggunakan cap yang dicampur dengan pewarna kemudian
dicetak di kain. Kain yang digunakan biasanya sutra. Seiring
perkembangannya, dibandingkan ba k Jawa maka ba k Riau
sangat lambat diterima oleh masyarakat. Hal ini disebabkan
karena masih sedikitnya pengrajin ba k dan mahalnya harga
ba k Riau (Dede Widias , 2017).
Untuk menentukan jenis ba k yang ada, maka diperlukan suatu
klasifikasi ba k berdasarkan daerah produksinya. Salah satu
metode dalam pengklasifikasian gambar (imagge) adalah dengan
menggunakan Convolu onal Neural Networks (CNN). CNN
merupakan kombinasi dari jaringan syaraf ruan dan metode
deeplearning (Xiaofeng Han, 2015). CNN terdiri dari satu atau
lebih lapisan konvolu onal, seringnya dengan suatu lapisan
subsampling yang diiku oleh satu atau lebih lapisan yang
terhubung penuh sebagai standar jaringan syaraf (samer Hijazai,
2013). Dalam prosesnya CNN akan melakukan training dan
tes ng terhadap ba k Riau sehingga didapat kumpulan model
ba k yang telah terklasifikasi.
Belakangan ini pengenalan gambar yang lebih luas, yaitu deteksi
objek dengan menggunakan jaringan saraf convolu onal
(CNN)mengalami perkembangan yang luar biasa. Ketepatan dan
perbaikan dengan menggunakan CNN menjadi tantangan
klasifikasi se ap tahunnya seper yang dilaporkan dalam objek
ImageNet(Pimkote, 2018).
Adapun rumusan masalah pada peneli an ini adalah bagaimana
CNN mengklasifikasikan gambar ba k Riau berdasarkan ciri khas
yang ada pada ba k Riau. Sedangkan tujuan dari peneli an ini
adalah dapat ditentukan gambar (image) yang merupakan ba k
Riau dan yang bukan merupakan ba k Riau.
TINJAUAN PUSTAKA
Ba k adalah seni melukis yang di lakukan di atas kain dengan
menggunakan lilin atau malam sebagai pelindung untuk
mendapatkan ragam hias di atas kain tersebut. sedangkan ba k
tulis Riau adalah ba k yang bermo f khas melayu Riau dan
mempunyai warna cerah seper , merah, kuning emas, dan hijau,
karena dalam ba k Riau, merah itu menunjukkan keberanian,
kuning emas melambangkan kesan kemewahan, dan hijau
melambangkan kesan dingin. (Ria Enita, 2016).
h p://jik.htp.ac.id
Ba k telah ada dalam masyarakat Indonesia sejak pertengahan
abad ke-18, khususnya di Jawa, bahkan telah menjadi warisan
budaya yang turun temurun. Kerajinan ba k terkait dengan
iden tas budaya rakyat Indonesia, melalui ar simbolik dari
warna dan desain yang mengungkapkan krea vitas dan
spiritualitas mereka. Keragaman macam pola ba k nusantara
mencerminkan berbagai pengaruh, mulai dari kaligrafi Arab,
karangan bunga Eropa, phoenix China, bunga sakura Jepang dan
merak India atau Persia. Walaupun ba k berasal dari istana Jawa,
beberapa daerah lain di Indonesia juga memiliki ba k dengan
gaya mereka sendiri ba k. Saat ini sudah ada 23 propinsi di
Indonesia yang memiliki corak mereka sendiri seper dari Aceh,
Kalimantan dan Papua. Bahkan, Kain Ba k ini juga banyak dipakai
di negara-negara tetangga seper Malaysia, Singapura dan
Thailand. Ba k secara resmi telah diakui sebagai salah satu
warisan budaya Indonesia oleh UNESCO dan Indonesia kini
memiliki hari ba k yang selalu dirayakan se ap 2 Oktober sejak
tahun 2009. (Kementrian Perindustrian, 2013).
Secara umum lapisan pada CNN terdiri dari (1) lapisan
convolu onal (2) lapisan sub sampling, dan lapisan output
(phung, 2009). Dalam lapisan konvolusional, se ap bidang
terhubung ke satu atau lebih peta fitur dari lapisan sebelumnya.
Koneksi dihubungkan dengan topeng konvolusi, yang merupakan
matriks 2-D dari entri yang dapat disesuaikan yang disebut bobot
(weights).
Gambar 2. Convolu onal Neural Network (Phung, 2009).
Lapisan sub-sampling memiliki jumlah bidang yang sama dengan
lapisan konvolusi sebelumnya. Sebuah bidang subsampling
membagi input 2-D ke blok yang dak tumpang ndih ukuran 2 ×
2 piksel. Untuk se ap blok, jumlah dari empat piksel dihitung;
jumlah ini dikalikan dengan bobot yang dapat disesuaikan
sebelum ditambahkan ke is lah bias.
Gambar 3. Lapisan Sub-sampling (Phung, 2013)

Klasifikasi Ba k Riau dengan Menggunakan Convolu onal Neural Networks (CNN)
Lapisan output. Pada lapisan konvolusi terakhir, se ap bidang
terhubung ke tepat satu peta fitur sebelumnya. Lapisan ini
menggunakan masker konvolusi yang memiliki ukuran yang
persis sama dengan peta fitur masukannya.
Pada tahapan proses training digunakan fungsi eror pada entropy
E dengan rumus (dewa, 2018):
Dimana adalah target kelas dan xi adalah output CNN.
Sedangkan pada tahapan proses tes ng kelayakan pada se ap
lapisan diukur dengan menggunakan rumus (dewa, 2018):
Dimana TP nilai posi f, TN Nilai nega f, FP nilai salah posif dan FN
nilai salah nega f.
PEMBAHASAN
Ba k Riau mempunyai keunikan ba k Riau yaitu dari segi mo f
yang cenderung menggunakan bunga dan pewarnaan yang
lembut. Peneli an ini memanfaatkan 168 gambar (image).
Beberapa contoh image adalah sebagai berikut.
Gambar 1 Ba k Riau
Gambar 2 ba k Jawa
Adapun proses Convolusional Neural Network (CNN) adalah
dengan input gambar ba k dan keluaran adalah ba k riau dan
bukan ba k riau. Proses CNN dapat dilihat pada gambar berikut:
Hendry Fonda, et al
9
Gambar 3. Proses klasifikasi CNN pada Gambar Ba k
Klasifikasi ba k Riau dengan menggunakan Tensor flow dengan
proses training data dapat dilihat pada gambar berikut:
Gambar 4: Proses Training data dengan jumlah data 168
gambar
Dari gambar diatas terilihat adanya klasifikasi gambar dengan
jumlah data 168 gambar dengan 68 gambar berupa ba k riau dan
100 gambar merupakan gambar yang bukan ba k riau.
Untuk proses iterasi dengan dengan menggunakan 30
epoch/iterasi training data dapat dilihat pada gambar berikut:
Gambar 5: hasil iterasi dengan 100 epoch data training
Dari hasil iterasi seper terlihat dari gambar diatas maka didapat
nilai akurasi dari data diatas adalah 65% dengan nilai kerugian
(loss) sebesar 2.5% dan 2,1%. Jika dilihat dari gambar grafik maka
didapat sebagai berikut:
Gambar 6: Grafik akurasi epoch
Gambar 7: Grafik loss epoch
Pengujian hasil klasifikasi dapat dilihat sebagai berikut:
Gambar 8: Pengujian ba k Riau
JURNAL ILMU KOMPUTER
C O M P U T E R S C I E N C E J O U R N A L
 JIK, Vol. 9, No. 1
10 April 2020

Bentuk gambar yang dipanggil sebagai berikut : Gambar 13: Hasil pengujian Ba k Riau
Dari gambar diatas terlihat bahwa dengan klasifikasi
menggunakan CNN maka bisa terdeteksi gambar ba k bali bukan
merupakan ba k riau

Gambar 9: Ba k Riau yang di uji
Hasil Pengujian dari gambar diatas adalah :
Gambar 10: Hasil pengujian Ba k Riau
Dari gambar diatas terlihat bahwa dengan klasifikasi
menggunakan CNN maka bisa terdeteksi gambar yang
merupakan ba k riau.
Pengujian untuk yang bukan ba k riau dapat dilihat dari hasil
sebagai berikut:
Gambar 11: Pengujian Ba k Bali
Bentuk gambar yang dipanggil sebagai berikut :
Gambar 12: Ba k Bali yang di uji
Hasil Pengujian dari gambar ba k bali dapat dilihat sebagai
berikut :
KESIMPULAN
Klasifikasi menggunakan CNN menghasilkan ba k riau dan bukan
ba k riau dengan akurasi 65%. Akurasi 65% disebabkan pada
dasarnya banyak mo f yang sama antara ba k riau dengan ba k
lainnya dengan perbedaan terletak pada warna cerap pada ba k
riau.
DAFTAR PUSTAKA
Karpathy, Andrej. 2015. “Neural Networks Part 1: Se ng
U p t h e A r c h i t e c t u r e .” N o t e s fo r C S 2 3 1 n
C o nvo l u o n a l N e u ra l N e t wo r ks fo r V i s u a l
Recogni on, Stanford University.
Hijazi, 2015. “Using Convolu onal Neural Networks for
I m a g e R e c o g n i o n .” Te r s e d i a d i :
<h ps://ip.cadence.com/uploads/901/TIP_WP_cn
n_FINAL-pdf> [akses 11 Agustus 2018].
Chandra Kusuma Dewa , Amanda Lailatul Fadhilah,
Afiahaya , 2018. “Convolu onal Neural Networks
for Handwri en Javanese Character Recogni on”.
IJCCS (Indonesian Journal of Compu ng and
Cyberne cs Systems) Vol.12, No.1, January 2018.
Dede Widias , 2017. "Pengembangan Industri Ba k Riau
Pada Rumah Krea f Cempaka Di Kecamatan Rumbai
Pesisir Kota Pekanbaru." JOM Fekon, Vol.4 No.1
Pekanbaru
Kina, 2013. "Ba k Nusantara." Kementrian Perindustrian.
Jakarta.
Pichitchai Pimkote, Thanapat Kangkachit, 2018.
“Classifica on of Alcohol Brand Logos using
Convolu onal Neural Networks”. ICDAMT, Phayao.
Ria Ernita, 2016. " Kajian Ba k Tullis Riau." Jurnal Rupa, Vol
1, No.1, FIK Universitas Telkom, Bandung
Xiaofeng Hang, Yan Li, 2015. "The Applica on of
Convolu on Neural networks in Handwri en
Numeral Recogni on." Interna onal Journal of
Database Theory and Applica on, Vo.9, No.3.
Waseem Rawat, Zenghui Wang, 2017. "Deep Convolu onal
Neural Networks for Image Classifica on: A
Comprehensive Review." Neural Computa on,
Massachuse s Ins tute of Technology.
S. L. Phung dan A. Bouzerdoum, 2009. "MATLAB library for
convolu onal neural network." Tersedia di:
<h ps://www.uow.edu.au/~phung/docs/cnn-
matlab/cnn-matlab.pdf > [akses 11 Agustus 2018]

h p://jik.htp.ac.id