Klasifikasi motif batik khas Semarang menggunakan convolutional neural network

Arifin, Rizky Nur (2025) Klasifikasi motif batik khas Semarang menggunakan convolutional neural network. Undergraduate (S1) thesis, Universitas Islam Negeri Walisongo Semarang.

[thumbnail of Skripsi_2108096094_Rizky_Nur_Arifin] Text (Skripsi_2108096094_Rizky_Nur_Arifin)
Skripsi_2108096094_Rizky_Nur_Arifin.pdf - Accepted Version
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (5MB)

Abstract

Batik merupakan salah satu warisan budaya Indonesia yang telah diakui oleh UNESCO sebagai Warisan Budaya Tak Benda sejak 2 Oktober 2009. Setiap daerah di Indonesia memiliki motif batik yang khas, termasuk batik Semarang yang dikenal dengan keunikan motifnya yang menggambarkan flora, fauna, serta simbol-simbol budaya khas Kota Semarang. Namun, masyarakat seringkali kesulitan mengenali dan membedakan motif batik Semarang karena keberagaman motif yang ada serta kurangnya pemahaman tentang motif-motif tersebut. Oleh karena itu, diperlukan sistem berbasis kecerdasan buatan yang dapat membantu masyarakat dalam mengenali dan membedakan motif batik Semarang. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi motif batik Semarang menggunakan Convolutional Neural Network (CNN) dengan pendekatan transfer learning berbasis arsitektur MobileNetV2. Model dikembangkan menggunakan dataset batik Semarang dan dikonversi ke dalam format TensorFlow Lite untuk diimplementasikan pada aplikasi Android. Evaluasi model menggunakan confusion matrix menunjukkan akurasi 100% pada data uji, yang mengindikasikan bahwa model dapat mengklasifikasikan batik Semarang dengan tepat. Selain itu, aplikasi Android berhasil dibangun untuk mengimplementasikan model ini, sehingga pengguna dapat mengklasifikasikan gambar batik secara langsung melalui perangkat.

Item Type: Thesis (Undergraduate (S1))
Uncontrolled Keywords: Klasifikasi; Batik Semarang; Convolutional neural network; Mobilenetv2; Transfer learning
Subjects: 000 Computer science, information, general works > 006 Special computer methods
Divisions: Fakultas Sains dan Teknologi > 59201 - Teknologi Informasi
Depositing User: Hizkia Chandra
Date Deposited: 22 Jan 2026 01:17
Last Modified: 22 Jan 2026 01:17
URI: https://eprints.walisongo.ac.id/id/eprint/29101

Actions (login required)

View Item
View Item

Downloads

Downloads per month over past year

View more statistics