Detail Cantuman

Metode klasifikasi batik merupakan bagian penting dari studi analisis citra dan kecerdasan buatan. Adanya banyak pola yang serupa atau mirip di antara berbagai jenis motif batik adalah masalah besar dalam klasifikasi batik. Ini menyulitkan pengenalan dan klasifikasi yang akurat karena model harus dapat membedakan pola yang sangat mirip secara visual. Dengan demikian, klasifikasi pola batik menjadi masalah dalam penelitan. Peneliti menggunakan metode deep learning WaveCNet dalam penelitian klasifikasi pola Batik ini. Metode ini menggabungkan metode ResNet-101 dengan transformasi gelombang diskret. Selain itu, dalam eksperimen ini, peneliti menggunakan wavelet seperti Haar, Daubechies, Biorthogonal, Reverse Biorthogonal, Symlets, dan Discrete Meyer untuk proses DWT. Dalam eksperimen yang menggunakan 8,256 foto Batik yang dibagi menjadi 9 kelas, hasil ResNet-101 menunjukkan akurasi 87,6%. WaveCNet, yang menggunakan wavelet Symlets4, menunjukkan akurasi 90,5% dan Biorthogonal1.1, menunjukkan akurasi 90,5%.