Klasifikasi Warna Kain Tenun Lotis Menggunakan Convolutional Neural Network
DOI:
https://doi.org/10.33795/jip.v11i4.7841Keywords:
convolutional neural network, kain tenun lotis, klasifikasi warna, Timor Tengah SelatanAbstract
Kain tenun Lotis merupakan warisan budaya khas dari Kabupaten Timor Tengah Selatan, Nusa Tenggara Timur, yang berasal dari tiga suku besar, yaitu Amanuban, Amanatun, dan Mollo. Kain ini memiliki motif geometris yang unik dan menggunakan bahan pewarna alami dalam proses pembuatannya. Selain nilai estetika, kain tenun Lotis memiliki makna sosial dan budaya penting, seperti digunakan dalam busana adat dan simbol status sosial masyarakat setempat. Namun, pelestarian kain tenun Lotis menghadapi tantangan di era modern, terutama dalam klasifikasi dan dokumentasi digital karena kompleksitas visualnya. Variasi motif, corak, serta warna yang khas menyulitkan proses klasifikasi otomatis menggunakan metode konvensional. Untuk mengatasi hal tersebut, penelitian ini menerapkan metode Convolutional Neural Network, sebuah pendekatan deep learning yang efektif dalam pengolahan citra dan klasifikasi objek dengan visual kompleks. CNN mampu melakukan ekstraksi fitur secara otomatis dan mengenali pola serta karakteristik visual dengan akurasi tinggi. Penelitian ini bertujuan meningkatkan akurasi dan efisiensi identifikasi warna kain tenun Lotis. Hasilnya diharapkan dapat menghasilkan sistem klasifikasi berbasis CNN yang mampu mengidentifikasi kain tenun Lotis secara otomatis, serta mendukung pelestarian budaya melalui digitalisasi, dokumentasi yang lebih baik, dan meningkatkan apresiasi di kalangan generasi muda.
Downloads
References
Alfarizi, M. R. S., Al-farish, M. Z., Taufiqurrahman, M., Ardiansah, G., & Elgar, M. (2023). Penggunaan Python Sebagai Bahasa Pemrograman untuk Machine Learning dan Deep Learning. Karya Ilmiah Mahasiswa Bertauhid (KARIMAH TAUHID), 2(1), 1–6.
Arifianto, J., & Muhimmah, I. (2021). Aplikasi Web Pendeteksi Jerawat Pada Wajah Menggunakan Algoritma Deep Learning dengan TensorFlow. Journal Automata, 21–29.
Bariyah, T., & Arif Rasyidi, M. (n.d.). Convolutional Neural Network Untuk Metode Klasifikasi Multi-Label Pada Motif Batik Convolutional Neural Network for Multi-Label Batik Pattern Classification Method. In Februari (Vol. 20, Issue 1).
Betty, N. A. (2021). Futus, Lotis dan Buna: Makna Teologis dan Peran Etika Sosial Tenun Ikat Amanuban Barat dalam membentuk harmoni masyarakat Desa Tubuhue-TTS. 1–33. https://doi.org/https://repository.uksw.edu//handle/123456789/35096
Bowo, T. A., Syaputra, H., & Akbar, M. (2020). Penerapan Algoritma Convolutional Neural Network Untuk Klasifikasi Motif Citra Batik Solo. Journal of Software Engineering Ampera, 1(2), 82–96. https://doi.org/10.51519/journalsea.v1i2.47
Masa, A. P. A., & Hamdani, H. (2021). Klasifikasi Motif Citra Batik Menggunakan Convolutional Neural Network Berdasarkan K-means Clustering. Jurnal Media Informatika Budidarma, 5(4), 1292. https://doi.org/10.30865/mib.v5i4.3246
Pangestu, A. R., Basuki Rahmat, & Fetty Tri Anggraeny. (2020). Implementasi Algoritma Cnn Untuk Klasifikasi CitraLahan Dan Perhitungan Luas. Jurnal Informatika Dan Sistem Informasi (JIFoSI), 1(1), 166–174.
Peryanto, A., Yudhana, A., & Umar, R. (2020). Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation. Journal of Applied Informatics and Computing, 4(1), 45–51. https://doi.org/10.30871/jaic.v4i1.2017
Putra, J. V. P., Ayu, F., & Julianto, B. (2023). Implementasi Pendeteksi Penyakit pada Daun Alpukat Menggunakan Metode CNN. Stains (Seminar Nasional Teknologi & Sains), 2(1), 155–162. https://proceeding.unpkediri.ac.id/index.php/stains/article/view/2888
Ridwansyah, T. (2022). Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold Cross Validation Dan Naïve Bayes Classifier. KLIK: Kajian Ilmiah Informatika Dan Komputer, 2(5), 178–185. https://doi.org/10.30865/klik.v2i5.362
Rochmawati, N., Hidayati, H. B., Yamasari, Y., Tjahyaningtijas, H. P. A., Yustanti, W., & Prihanto, A. (2021). Analisa Learning Rate dan Batch Size pada Klasifikasi Covid Menggunakan Deep Learning dengan Optimizer Adam. Journal of Information Engineering and Educational Technology, 5(2), 44–48. https://doi.org/10.26740/jieet.v5n2.p44-48
Sandy Andika Maulana, Shabrina Husna Batubara, Tasya Ade Amelia, & Yohanna Permata Putri Pasaribu. (2023). Penerapan Metode CNN (Convolutional Neural Network) Dalam Mengklasifikasi Jenis Ubur-Ubur. Jurnal Penelitian Rumpun Ilmu Teknik, 2(4), 122–130. https://doi.org/10.55606/juprit.v2i4.3084
Sanjaya, J., & Ayub, M. (2020). Augmentasi Data Pengenalan Citra Mobil Menggunakan Pendekatan Random Crop, Rotate, dan Mixup. Jurnal Teknik Informatika Dan Sistem Informasi, 6(2), 311–323. https://doi.org/10.28932/jutisi.v6i2.2688
Siwilopo, K. P., & Marcos, H. (2023). Membandingkan Klasifikasi Pada Buah Jeruk Menggunakan Metode Convolutional Neural Network Dan K-Nearest Neighbor. Komputa : Jurnal Ilmiah Komputer Dan Informatika, 12(1), 57–64. https://doi.org/10.34010/komputa.v12i1.9068
Yuliany, S., Aradea, & Andi Nur Rachman. (2022). Implementasi Deep Learning pada Sistem Klasifikasi Hama Tanaman Padi Menggunakan Metode Convolutional Neural Network (CNN). Jurnal Buana Informatika, 13(1), 54–65. https://doi.org/10.24002/jbi.v13i1.5022
Zamachsari, F., & Puspitasari, N. (2021). Penerapan Deep Learning dalam Deteksi Penipuan Transaksi Keuangan Secara Elektronik. Jurnal RESTI, 5(2), 203–212. https://doi.org/10.29207/resti.v5i2.2952
Zein, A. (2018). Pendeteksian Kantuk Secara Real Time Menggunakan Pustaka OPENCV dan DLIB PYTHON. Sainstech: Jurnal Penelitian Dan Pengkajian Sains Dan Teknologi, 28(2), 22–26. https://doi.org/10.37277/stch.v28i2.238
