2010-Klasifikasi Batik Riau Dengan Menggunakan Convolutional Neural Networks (CNN)
2010-Klasifikasi Batik Riau Dengan Menggunakan Convolutional Neural Networks (CNN)
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
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.
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.
h p://jik.htp.ac.id
Hendry Fonda, et al
Klasifikasi Ba k Riau dengan Menggunakan Convolu onal Neural Networks (CNN) 9
Lapisan output. Pada lapisan konvolusi terakhir, se ap bidang Gambar 3. Proses klasifikasi CNN pada Gambar Ba k
terhubung ke tepat satu peta fitur sebelumnya. Lapisan ini Klasifikasi ba k Riau dengan menggunakan Tensor flow dengan
menggunakan masker konvolusi yang memiliki ukuran yang proses training data dapat dilihat pada gambar berikut:
persis sama dengan peta fitur masukannya.
Pada tahapan proses training digunakan fungsi eror pada entropy
E dengan rumus (dewa, 2018):
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
Dimana adalah target kelas dan xi adalah output CNN.
100 gambar merupakan gambar yang bukan ba k riau.
Sedangkan pada tahapan proses tes ng kelayakan pada se ap
Untuk proses iterasi dengan dengan menggunakan 30
lapisan diukur dengan menggunakan rumus (dewa, 2018):
epoch/iterasi training data dapat dilihat pada gambar berikut:
Dimana TP nilai posi f, TN Nilai nega f, FP nilai salah posif dan FN Gambar 5: hasil iterasi dengan 100 epoch data training
nilai salah nega f.
Dari hasil iterasi seper terlihat dari gambar diatas maka didapat
PEMBAHASAN nilai akurasi dari data diatas adalah 65% dengan nilai kerugian
Ba k Riau mempunyai keunikan ba k Riau yaitu dari segi mo f (loss) sebesar 2.5% dan 2,1%. Jika dilihat dari gambar grafik maka
yang cenderung menggunakan bunga dan pewarnaan yang didapat sebagai berikut:
lembut. Peneli an ini memanfaatkan 168 gambar (image).
Beberapa contoh image adalah sebagai berikut.
Gambar 1 Ba k Riau
Gambar 6: Grafik akurasi epoch
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:
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
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
Gambar 9: Ba k Riau yang di uji riau.
Hasil Pengujian dari gambar diatas adalah :
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 :
Gambar 10: Hasil pengujian Ba k Riau
<h ps://ip.cadence.com/uploads/901/TIP_WP_cn
n_FINAL-pdf> [akses 11 Agustus 2018].
Dari gambar diatas terlihat bahwa dengan klasifikasi
Chandra Kusuma Dewa , Amanda Lailatul Fadhilah,
menggunakan CNN maka bisa terdeteksi gambar yang
Afiahaya , 2018. “Convolu onal Neural Networks
merupakan ba k riau.
for Handwri en Javanese Character Recogni on”.
Pengujian untuk yang bukan ba k riau dapat dilihat dari hasil
IJCCS (Indonesian Journal of Compu ng and
sebagai berikut:
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
Gambar 11: Pengujian Ba k Bali Pekanbaru
Bentuk gambar yang dipanggil sebagai berikut : 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
Gambar 12: Ba k Bali yang di uji Convolu on Neural networks in Handwri en
Hasil Pengujian dari gambar ba k bali dapat dilihat sebagai Numeral Recogni on." Interna onal Journal of
berikut : 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