DETEKSI DAERAH ASAL CITRA MOTIF BATIK MENGGUNAKAN RESNET-50

Abstract

Indonesia merupakan negara yang kaya akan budaya. Warisan budaya di Indonesia sering ditemui baik berbentuk ilmu ataupun seni. Budaya yang disalurkan melalui ilmu dan seni memiliki tujuan untuk memudahkan diturunkannya sebuah budaya kepada generasi selanjutnya. Salah satu budaya yang masih ditemui hingga saat ini adalah Batik. Batik adalah Karya seni rupa berbentuk dua dimensi yang terbuat dari sebuah kain yang digambar menggunakan lilin dan canting. Batik merupakan salah satu warisan budaya yang terdaftar ke dalam UNESCO sebagai Intangible Cultural Heritage (ICH) pada 2 Oktober 2009. Setiap daerah di Indonesia memiliki ciri khas yang berbeda dalam proses pembuatan, warna, dan pola. Diketahui terdapat 5.849 motif batik yang tersebar di Indonesia. Namun, pada zaman sekarang motif batik menjadi sulit dikenali oleh orang awam karena dampak globalisasi, yang akhirnya berdampak pada minat penggunaan Batik itu sendiri. Melihat peran pengetahuan yang sangat penting dalam meningkatkan minat penggunaan batik dibuatlah sebuah aplikasi website yang dapat membantu pengguna batik dalam mengenali motif batik dengan menerapkan sebuah model arsitektur ResNet-50 dengan activation function ReLU dan Softmax dan sebuah framework bernama Flask. Model Batik ResNet-50 ini dilatih menggunakan 15 kelas batik dengan citra yang diperbanyak melalui augmentasi seperti Scaling, Rotation, Horizontal Flip, Vertical Flip, Brightness, dan Noise hingga mencapai sejumlah 9450 citra. Model juga akan dilatih dengan parameter seperti batch size sebesar 32, epochs 50, Adam optimizer dengan learning rate 0.001 dan menerapkan categorical crossentropy sebagai loss function. Model Batik ResNet-50 yang dilatih mampu menghasilkan nilai akurasi training sebesar 97% dan akurasi validasi sebesar 92% dengan durasi 20 menit. Untuk nilai akurasi testing model diuji dengan dua puluh citra batik dari setiap kelas dan menghasilkan akurasi sebesar 75%.