SUROYYA, Linaili Himmatus (2025) Penerapan Convolutional Neural Network (CNN) MobileNetV2 dengan Ekstraksi Fitur Gray Level C0-Occurance Matrix (GLCM) untuk Identifikasi Wayang Kulit Punakawan. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (83kB)
	Text 3. Halaman Pengasahan I.pdf Download (205kB)
	Text 4. Halaman Pengesahan II.pdf Download (177kB)
	Text 5. Kata Pengantar.pdf Download (96kB)
	Text 6. Abstrak.pdf Download (30kB)
	Text 7. Abstract.pdf Download (29kB)
	Text 8. Daftar Isi.pdf Download (53kB)
	Text 12. BAB I.pdf Download (239kB)

Abstract

Wayang kulit menjadi salah satu warisan budaya Indonesia yang kaya akan
nilai filosofis dan historis. Saat ini minat masyarakat terhadap wayang kulit
khususnya Punakawan semakin menurun karena perubahan budaya dan
berkurangnya promosi di era digital. Berdasarkan permasalahan tersebut disusunlah
pengembangan model klasifikasi citra wayang kulit Punakawan menggunakan
kombinasi dari fitur tekstur Gray-Level Co-Occurrence Matrix (GLCM) dan
Convolutional Neural Network (CNN) berbasis MobileNetV2. GLCM dapat
mengekstraksi fitur tekstur dari sebuah citra, sedangkan CNN mengekstraksi fitur
spasial citra. Kedua metode digabungkan melalui concatenate menjadi model
hybrid untuk membangun model klasifikasi yang diharapkan dapat mengingkatkan
akurasi model. Dataset terdiri atas 400 citra dengan total 4 kelas, yakni Bagong,
Gareng, Petruk, dan Semar. Model dilatih dengan parameter 100 epoch, batch size
32, dan learning rate 1e-4. Hasil analisis menunjukkan bahwa model hybrid
menghasilkan akurasi sebesar 98,75%.
Kata Kunci: Wayang kulit, GLCM, CNN, MobileNetV2, Klasifikasi

Actions (login required)

View Item