Implementasi Algoritma Convolutional Neural Network Untuk Identifikasi Kode Seri Keramik Merk Arwana

Alfito Herdiansyah; Arief Hermawan; Sutarman

doi:10.37859/jf.v14i3.8060

Alfito Herdiansyah Universitas Teknologi Yogyakarta
Arief Hermawan Universitas Teknologi Yogyakarta
Sutarman Universitas Teknologi Yogyakarta

https://doi.org/10.37859/jf.v14i3.8060

Keywords: akurasi, citra, convolutional neural network, keramik, kode seri

Abstract

Ubin keramik saat ini memiliki berbagai jenis dan motif yang dapat dibedakan, salah satunya dengan melihat kode seri keramik. Saat melakukan pemasangan keramik, terkadang banyak hal yang terjadi tidak sesuai rencana. Umumnya konsumen sering menghadapi kendala saat membeli keramik dengan motif atau warna yang tidak sesuai karena lupa mengecek kode serinya. Tujuan utama dari penelitian yang dilakukan adalah menciptakan sebuah sistem yang mampu mengidentifikasi kode seri keramik menggunakan Convolutional Neural Network sebagai metodenya dan mengetahui tingkat akurasi yang dihasilkan dalam penerapannya. Penelitian ini mengadaptasi metode Convolutional Neural Network untuk mengidentifikasi kode seri keramik berdasarkan citra digital. Klasifikasi dilakukan dengan menggunakan dataset citra digital yang didapatkan menggunakan kamera smartphone sebanyak 1000 citra dengan 10 kelas yang berbeda. Sebagai pembanding, dataset yaitu 60% data pelatih dan 40% data pengujian menghasilkan akurasi terbaik sebesar 96,17% pada data latih dan 91,75% pada data uji.

Downloads

Download data is not yet available.

References

A. I. Kulakov and A. U. Ri, “Ceramics in architecture,” IOP Conf. Ser. Earth Environ. Sci., vol. 751, no. 1, pp. 10–15, 2021, doi: 10.1088/1755-1315/751/1/012052.

L. Chipindu, W. Mupangwa, J. Mtsilizah, I. Nyagumbo, and M. Zaman-Allah, “Maize Kernel Abortion Recognition and Classification Using Binary Classification Machine Learning Algorithms and Deep Convolutional Neural Networks,” AI, vol. 1, no. 3, pp. 361–375, 2020, doi: 10.3390/ai1030024.

A. Roihan, P. A. Sunarya, and A. S. Rafika, “Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,” IJCIT (Indonesian J. Comput. Inf. Technol., vol. 5, no. 1, pp. 75–82, 2020, doi: 10.31294/ijcit.v5i1.7951.

H. A. Pratiwi, M. Cahyanti, and M. Lamsani, “Implementasi Deep Learning Flower Scanner Menggunakan Metode Convolutional Neural Network,” Sebatik, vol. 25, no. 1, pp. 124–130, 2021, doi: 10.46984/sebatik.v25i1.1297.

L. Hakim, H. R. Rahmanto, S. P. Kristanto, and D. Yusuf, “Klasifikasi Citra Motif Batik Banyuwangi Menggunakan Convolutional Neural Network,” J. Teknoinfo, vol. 17, no. 1, p. 203, 2023, doi: 10.33365/jti.v17i1.2342.

M. Rahman, Asriyanik, and A. Pambudi, “Identifikasi Citra Daun Selada Dalam Menentukan Kualitas Tanaman Menggunakan Algoritma Convolutional Neural Network (CNN),” J. Inform. dan Tek. Elektro Terap., vol. 11, no. 3, pp. 2830–7062, 2023, [Online]. Available: http://dx.doi.org/10.23960/jitet.v11i3 s1.3438

C. Shorten and T. M. Khoshgoftaar, “A survey on Image Data Augmentation for Deep Learning,” J. Big Data, vol. 6, no. 1, 2019, doi: 10.1186/s40537-019-0197-0.

F. Marpaung, F. Aulia, and R. C. Nabila, Computer Vision Dan Pengolahan Citra Digital. 2022. [Online]. Available: www.pustakaaksara.co.id

I. Kurniastuti, E. N. I. Yuliati, F. Yudianto, and T. D. Wulan, “Determination of Hue Saturation Value (HSV) color feature in kidney histology image,” J. Phys. Conf. Ser., vol. 2157, no. 1, 2022, doi: 10.1088/1742-6596/2157/1/012020.

Z. Li, F. Liu, W. Yang, S. Peng, and J. Zhou, “A Survey of Convolutional Neural Networks: Analysis, Applications, and Prospects,” IEEE Trans. Neural Networks Learn. Syst., vol. 33, no. 12, pp. 6999–7019, 2022, doi: 10.1109/TNNLS.2021.3084827.

D. C. Agustin, M. A. Rosid, and N. Ariyanti, “Implementasi Convolutional Neural Network Untuk Deteksi Kesegaran Pada Apel,” J. Fasilkom, vol. 13, no. 02, pp. 145–150, 2023, doi: 10.37859/jf.v13i02.5175.

N. IBRAHIM, S. SA’IDAH, B. HIDAYAT, and S. DARANA, “Klasifikasi Grade Telur Ayam Negeri secara non- Invasive menggunakan Convolutional Neural Network,” ELKOMIKA J. Tek. Energi Elektr. Tek. Telekomun. Tek. Elektron., vol. 10, no. 2, p. 297, 2022, doi: 10.26760/elkomika.v10i2.297.

Y. LeCun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, vol. 521, no. 7553, pp. 436–444, 2015, doi: 10.1038/nature14539.

K. Purcell and J. Brenner, “Pengembangan Model Klasifikasi Produk Furnitur Sebagai Visual Search Menggunakan Algoritma Convolutional Neural Network,” vol. VIII, no. September, 2024.

Y. Kasnanda Bintang, H. Imaduddin, Y. Kasnanda, and B. Corresponding Author, “Pengembangan Model Deep Learning Untuk Deteksi Retinopati Diabetik Menggunakan Metode Transfer Learning,” vol. 9, no. 3, pp. 1442–1455, 2024, [Online]. Available: https://doi.org/10.29100/jipi.v9i3.5588

I. Rafiedhia Pramutighna and A. Hermawan, “Pengenalan Potensi Racun dan Peningkatan Keamanan Pangan Dalam Jamur Menggunakan Convolutional Neural Network,” J. Media Inform. Budidarma , vol. 7, no. 4, pp. 1716–1726, 2023, doi: 10.30865/mib.v7i4.6372.

H. Mukhtar, F. Alfanico, H. Fu’adah Amran, F. Handayani, and R. Medikawati Taufiq, “Deep Learning Untuk Klasifikasi Kematangan Buah Mangrove Berdasarkan Warna,” J. Fasilkom, vol. 13, no. 3, pp. 563–569, 2023, doi: 10.37859/jf.v13i3.6292.

N. Srivastava, G. Hinton, A. Krizhevsky, I. Sutskever, and R. Salakhutdinov, “Dropout: A simple way to prevent neural networks from overfitting,” J. Mach. Learn. Res., vol. 15, pp. 1929–1958, 2014.

A. Peryanto, A. Yudhana, and R. Umar, “Rancang Bangun Klasifikasi Citra Dengan Teknologi Deep Learning Berbasis Metode Convolutional Neural Network,” Format J. Ilm. Tek. Inform., vol. 8, no. 2, p. 138, 2020, doi: 10.22441/format.2019.v8.i2.007.

D. Krstinić, M. Braović, L. Šerić, and D. Božić-Štulić, “Multi-label classifier performance evaluation with confusion matrix,” Comput. Sci. Inf. Technol., vol. 1, pp. 1–14, 2020.

R. Setya Nugraha and A. Hermawan, “Optimasi Akurasi Metode Convolutional Neural Network Untuk Klasifikasi Kualitas Buah Apel Hijau,” J. Mnemon., vol. 6, no. 2, pp. 149–156, 2023, doi: 10.36040/mnemonic.v6i2.6730