PENGENALAN MOTIF KAIN SONGKET PADA CITRA KAMERA SMARTPHONE DENGAN BERAGAM SUDUT PANDANG MENGGUNAKAN CNN

MUHAMMAD HUSEIN, NASHR and M, Fachrurrozi and Kanda Januar, Miraswan (2019) PENGENALAN MOTIF KAIN SONGKET PADA CITRA KAMERA SMARTPHONE DENGAN BERAGAM SUDUT PANDANG MENGGUNAKAN CNN. Undergraduate thesis, Sriwijaya University.

[thumbnail of RAMA_55201_09021281520108.pdf] Text
RAMA_55201_09021281520108.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.
Download (2MB)
[thumbnail of RAMA_55201_09021281520108_0222058001_0009019002_01_front_ref.pdf]
Preview
 Text
RAMA_55201_09021281520108_0222058001_0009019002_01_front_ref.pdf - Published Version
Available under License Creative Commons Public Domain Dedication.
Download (428kB) | Preview
[thumbnail of RAMA_55201_09021281520108_0222058001_0009019002_02.pdf] Text
RAMA_55201_09021281520108_0222058001_0009019002_02.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.
Download (1MB)
[thumbnail of RAMA_55201_09021281520108_0222058001_0009019002_03.pdf] Text
RAMA_55201_09021281520108_0222058001_0009019002_03.pdf - Published Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.
Download (720kB)
[thumbnail of RAMA_55201_09021281520108_0222058001_0009019002_04.pdf] Text
RAMA_55201_09021281520108_0222058001_0009019002_04.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.
Download (405kB)
[thumbnail of RAMA_55201_09021281520108_0222058001_0009019002_05.pdf] Text
RAMA_55201_09021281520108_0222058001_0009019002_05.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.
Download (550kB)
[thumbnail of RAMA_55201_09021281520108_0222058001_0009019002_06.pdf] Text
RAMA_55201_09021281520108_0222058001_0009019002_06.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.
Download (191kB)
[thumbnail of RAMA_55201_09021281520108_0222058001_0009019002_06_ref.pdf] Text
RAMA_55201_09021281520108_0222058001_0009019002_06_ref.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.
Download (305kB)
[thumbnail of RAMA_55201_09021281520108_0222058001_0009019002_07_lamp.pdf] Text
RAMA_55201_09021281520108_0222058001_0009019002_07_lamp.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.
Download (3kB)
[thumbnail of RAMA_55201_09021281520108_TURNITIN.pdf] Text
RAMA_55201_09021281520108_TURNITIN.pdf - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.
Download (13MB)

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, noise dan 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. Metode tradisional SIFT+BoW+FCNN mampu mengklasifikasi songket dengan akurasi 100%. Pengurangan jumlah point dari 400 ke 200 buah meningkatkan waktu ekstraksi 2x lebih cepat. Metode SIFT+BoW+FCNN lebih unggul dibandingkan CNN dalam hal akurasi dan inferencenya tidak menggunakan GPU. Salah satu penyebab lemahnya performa CNN pada penelitian ini adalah kurangnya data. 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.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Songket Pattern Classification, Scale Invariant Feature Transform, Bag of Words, Fully Connected Neural Network, Convolutional Neural Network.
Subjects: Q Science > QA Mathematics > QA75-76.95 Calculating machines > QA75 Electronic computers. Computer science
Divisions: 09-Faculty of Computer Science > 55201-Informatics (S1)
Depositing User: Users 1720 not found.
Date Deposited: 05 Sep 2019 09:46
Last Modified: 05 Sep 2019 09:46
URI: http://repository.unsri.ac.id/id/eprint/6426

Actions (login required)

View Item View Item