MODEL RESNET50 DENGAN OPTIMALISASI ACTIVATION FUNCTION DAN OPTIMIZER BERBASIS GAMMA-MSR UNTUK KLASIFIKASI CITRA MOTIF BATIK BESUREK BENGKULU

AUTAMI, MARISS and Ermatita, Ermatita and Abdiansah, Abdiansah (2025) MODEL RESNET50 DENGAN OPTIMALISASI ACTIVATION FUNCTION DAN OPTIMIZER BERBASIS GAMMA-MSR UNTUK KLASIFIKASI CITRA MOTIF BATIK BESUREK BENGKULU. Doctoral thesis, Sriwijaya University.

Preview	Image RAMA_21001_03013622328007_cover.jpeg - Cover Image Available under License Creative Commons Public Domain Dedication. Download (180kB) | Preview
	Text RAMA_21001_03013622328007.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (26MB) | Request a copy
	Text RAMA_21001_03013622328007_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (12MB) | Request a copy
	Text RAMA_21001_03013622328007_0013096707_0001108401_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text RAMA_21001_03013622328007_0013096707_0001108401_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text RAMA_21001_03013622328007_0013096707_0001108401_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (3MB) | Request a copy
	Text RAMA_21001_03013622328007_0013096707_0001108401_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (5MB) | Request a copy
	Text RAMA_21001_03013622328007_0013096707_0001108401_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (536kB) | Request a copy
	Text RAMA_21001_03013622328007_0013096707_0001108401_06_ref.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (320kB) | Request a copy
	Text RAMA_21001_03013622328007_0013096707_0001108401_07_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (24MB) | Request a copy

Abstract

Batik Besurek merupakan warisan budaya khas Bengkulu yang memiliki variasi motif unik, sehingga penting dikembangkan sistem klasifikasi otomatis untuk mendukung pelestarian dan inovasi industri batik. Penelitian ini bertujuan untuk mengembangkan model Batik besurek motif classification (B2MC) berdasarkan evaluasi kinerja arsitektur transfer learning (TL), teknik image enhancement (IE) dan kombinasi activation function (AF) serta optimizer (OP) terhadap hasil klasifikasi citra motif Batik Besurek Bengkulu. Dataset berjumlah 2.400 citra batik dibagi dalam lima kelas motif yaitu kaligrafi, rafflesia, burung kuau, relung paku, dan rembulan, dengan rasio pembagian data 70% pelatihan, 10% validasi, dan 20% pengujian. Hasil eksperimen menunjukkan bahwa ResNet50 (ReLu) tanpa peningkatan citra mencapai akurasi pelatihan 99,60%, validasi 97,44%, dan pengujian 98,12%. Empat teknik peningkatan citra diuji, yaitu Contrast Limited Adaptive Histogram Equalization (CLAHE), Gamma-CLAHE, Multi-Scale Retinex (MSR), dan Gamma-MSR. Kombinasi Gamma-MSR ⨁ ResNet50 (Adam, ReLU) memperoleh kinerja terbaik dengan akurasi pengujian sebesar 99,32%, lebih tinggi dibanding model-model lainnya. Kebaruan penelitian ini terletak pada penerapan kombinasi Gamma Correction dan Multi-Scale Retinex (Gamma-MSR) untuk peningkatan citra pada klasifikasi motif Batik Besurek menggunakan ResNet50. Kombinasi ini menghasilkan citra yang lebih seimbang dalam kecerahan dan detail tekstur sehingga fitur yang diekstraksi oleh ResNet50 lebih representatif dan akurasi klasifikasi meningkat signifikan. Penelitian ini merekomendasikan pemilihan arsitektur, preprocessing citra, dan parameter optimasi dengan kinerja klasifikasi motif batik terbaik yang dapat menjadi acuan dalam pengembangan sistem klasifikasi batik digital berbasis kecerdasan buatan.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	Batik, transfer learning, ResNet50, Gamma-MSR, image enhancement
Subjects:	T Technology > T Technology (General) > T57.6-57.97 Operations research. Systems analysis > T57.6.A2-Z General works Simulation Cf. QA76.9.C65 Computer science Cf. TA343 Engineering mathematics
Divisions:	03-Faculty of Engineering > 21001-Engineering Science (S3)
Depositing User:	Marissa Utami
Date Deposited:	21 Oct 2025 01:36
Last Modified:	21 Oct 2025 01:36
URI:	http://repository.unsri.ac.id/id/eprint/185278

Actions (login required)

View Item