IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK SEBAGAI DEEP LEARNING BERBASIS MOBILE UNTUK KLASIFIKASI MOTIF BATIK SUMATERA SELATAN PADA UMKM GALERI BATIK WONG KITO

Sukma, Hernanda Melati (2026) IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK SEBAGAI DEEP LEARNING BERBASIS MOBILE UNTUK KLASIFIKASI MOTIF BATIK SUMATERA SELATAN PADA UMKM GALERI BATIK WONG KITO. Diploma thesis, Politeknik Negeri Sriwijaya.

	Text (COVER) COVER.pdf - Published Version Download (492kB)
	Text (ABSTRAK) ABSTRAK.pdf - Published Version Download (210kB)
	Text (BAB I Pendahuluan) BAB I.pdf - Published Version Restricted to Repository staff only Download (347kB)
	Text (BAB II Tinjauan Pustaka) BAB II.pdf - Published Version Restricted to Repository staff only Download (493kB)
	Text (BAB III Rancang Bangun Aplikasi) BAB III.pdf - Published Version Restricted to Repository staff only Download (3MB)
	Text (BAB IV Pembahasan) BAB IV.pdf - Published Version Restricted to Repository staff only Download (2MB)
	Text (BAB V Penutup) BAB V.pdf - Published Version Restricted to Repository staff only Download (203kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf - Published Version Restricted to Repository staff only Download (214kB)
	Text (LAMPIRAN) LAMPIRAN .pdf - Published Version Restricted to Repository staff only Download (7MB)

Abstract

Batik merupakan salah satu warisan budaya Indonesia yang memiliki nilai seni dan filosofi yang tinggi, termasuk batik khas Sumatera Selatan yang memiliki beragam motif. Namun, proses pengenalan dan klasifikasi motif batik masih dilakukan secara manual sehingga membutuhkan waktu yang relatif lama dan berpotensi menimbulkan kesalahan dalam proses identifikasi. Penelitian ini bertujuan untuk merancang dan mengimplementasikan aplikasi klasifikasi motif batik Sumatera Selatan berbasis android dengan memanfaatkan platform teachable machine yang menggunakan metode Convolutional Neural Network (CNN) melalui teknik transfer learning. Aplikasi dikembangkan menggunakan MIT App Inventor dan diintegrasikan dengan model hasil pelatihan dari teachable machine sehingga mampu melakukan klasifikasi motif batik secara otomatis berdasarkan citra yang diperoleh dari kamera maupun galeri. Pengujian dilakukan dengan menganalisis pengaruh variasi nilai epoch dan jumlah dataset terhadap performa model klasifikasi. Hasil penelitian menunjukkan bahwa aplikasi berhasil diimplementasikan dan mampu melakukan identifikasi motif batik Sumatera Selatan dengan baik. Selain itu, hasil pengujian menunjukkan bahwa peningkatan jumlah dataset dan penggunaan nilai epoch yang optimal memberikan pengaruh terhadap peningkatan akurasi model sehingga menghasilkan klasifikasi yang lebih stabil. Aplikasi yang dikembangkan diharapkan dapat membantu UMKM Galeri Batik Wong Kito dalam proses identifikasi motif batik secara lebih cepat, efektif, dan efisien serta mendukung upaya pelestarian budaya batik Sumatera Selatan melalui pemanfaatan teknologi kecerdasan buatan.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Batik Sumatera Selatan, Convolutional Neural Network, teachable machine, klasifikasi citra, android
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Telecommunication Engineering > Undergraduate Theses
Depositing User:	Pustaka Teknik Elektro
Date Deposited:	21 Sep 2026 02:49
Last Modified:	21 Sep 2026 02:49
URI:	http://eprints.polsri.ac.id/id/eprint/26946

Actions (login required)

View Item