Pengenalan Motif Kain Songket Pada Citra Kamera Smartphone Dengan Beragam Sudut Pandang Menggunakan CNN

Abstract

Songket  Palembang  memiliki  motif  yang  beragam  sehingga  dibutuhkan mesin  pengenal  yang  dapat  membantu  orang  awam  mengenali  motif  ini.  Mesin pengenal  harus  mampu  mengenali  motif  dengan  variasi  transformasi spatial, noisedan blur. Dalam penelitian ini, CNN mampu mengklasifikasi motif songket dengan akurasi 93%. Arsitektur CNN yang digunakan menggunakan 2.22 MB memori GPU saat    inference.    Penggunaan    Dropout    memberikan    efek    regularisasi,    yaitu meningkatkan  akurasi  pada  data  uji  dan  penggunaan  momentum  dengan  nilai  0.9 mengurangi  waktu  training  2x  lebih  cepat.  Layer  konvolusi  CNN  pada penelitian ini tidak dapat mengekstrak fitur penting pembeda antar kelas, tidak seperti layer konvolusi CNN pretrain yang sudah dilatih dengan dataset yang besar sehingga menghasilkan akurasi 100% untuk klasifikasi songket