POETRA, Edmundus Gigih Galih (2025) Optimasi Hyperparameter Convolutional Neural Network Menggunakan Algoritma Particle Swarm Optimization untuk Klasifikasi Motif Batik Keraton Yogyakarta. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (135kB)
	Text 3. Halaman Pengesahan I.pdf Download (149kB)
	Text 4. Halaman Pengesahan II.pdf Download (104kB)
	Text 5. Kata Pengantar.pdf Download (123kB)
	Text 6. Abstrak.pdf Download (92kB)
	Text 7. Abstract.pdf Download (91kB)
	Text 8. Daftar Isi.pdf Download (195kB)
	Text 12. BAB I.pdf Download (216kB)
	Text 17. Daftar Pustaka.pdf Download (176kB)

Abstract

Motif batik Keraton Yogyakarta merupakan bagian dari warisan budaya yang kaya akan nilai filosofis. Identifikasi motif batik secara manual masih menghadapi berbagai kendala, seperti keterbatasan pengetahuan masyarakat dan kebutuhan akan
keahlian khusus dalam mengenali ciri visual tiap motif. Penelitian ini bertujuan mengembangkan model klasifikasi otomatis untuk motif batik Keraton Yogyakarta menggunakan Convolutional Neural Network (CNN) dengan optimasi hyperparameter menggunakan algoritma Particle Swarm Optimization (PSO). Berbagai studi menunjukkan efektivitas algoritma PSO dalam optimasi hyperparameter CNN untuk tugas klasifikasi, dengan keunggulan efisiensi pencarian hyperparameter dan konvergensi yang cepat. Model CNN dibangun menggunakan arsitektur AlexNet, sementara PSO digunakan untuk menemukan konfigurasi optimal terhadap dropout rate, learning rate, fungsi aktivasi, dan jenis optimizer. Evaluasi performa dilakukan menggunakan confusion matrix. Hasil menunjukkan bahwa akurasi klasifikasi meningkat dari 70% sebelum optimasi menjadi 95% setelah penerapan PSO. Konfigurasi optimal mencakup dropout rate 10%, learning rate 0,01, fungsi aktivasi ReLu, dan optimizer jenis SGD (Stochastic
Gradient Descent). Pengujian terhadap data baru menghasilkan akurasi 98,3%, presisi 98,41%, dan sensitivitas 98,33%. Hasil ini menunjukkan bahwa integrasi CNN dan PSO secara efektif meningkatkan akurasi klasifikasi citra motif batik, serta berpotensi diterapkan dalam sistem identifikasi visual berbasis citra untuk mendukung pelestarian budaya lokal secara digital dan berkelanjutan.
Kata Kunci: Motif Batik Keraton Yogyakarta, Klasifikasi Gambar, CNN-PSO

Actions (login required)

View Item