Penerapan Metode Deep Learning Untuk Identifikasi Wayang Indonesia

Abstract

Wayang kulit adalah salah satu dari sekian banyak budaya yang dapat ditemukan di Indonesia. Seni pertunjukan Jawa ini wajib dilestarikan untuk kepentingan generasi mendatang. Karakter wayang di Indonesia banyak sekali, namun yang paling terkenal adalah punakawan. Semar, Gareng Petruk, Bagong, dan tiga tokoh wayang punakawan lainnya menjadi pemerannya. Penelitian ini mengembangkan sistem berbasis deep learning untuk mengidentifikasi objek wayang guna melestarikan wayang punakawan agar generasi mendatang dapat mengenalinya. LeNet model teknik deep learning yang sangat baik dalam mengklasifikasikan data dengan struktur 2 dimensi dan sangat ringan serta cepat dalam mengidentifikasi objek, Mengklasifikasikan objek memerlukan dua langkah, seperti proses pelatihan dan pengujian. Ada 100 langkah iterasi dalam proses pelatihan yang baik pada penelitian ini. Convolution Normal mendapatkan nilai akurasi sebesar 86 % dengan loss 0.1 dan Depthswize Separable mendapatkan nilai akurasi sebesar 80 % dengan loss 0.2. Wayang kulit is one of the many cultures that can be found in Indonesia. This Javanese performing art must be preserved for the benefit of future generations. There are many wayang characters in Indonesia, but the most famous is the punakawan. Semar, Gareng Petruk, Bagong, and three other clown clown characters play the roles. This research develops a deep learning-based system to identify wayang objects in order to preserve clown clown puppets so that future generations can recognize them. LeNet, a deep learning engineering model that is very good at classifying data with a 2-dimensional structure and is very light and fast in identifying objects. Classifying objects requires two steps, such as training and testing processes. There are 100 iteration steps in a good training process in this study. Convolution Normal gets an accuracy value of 86% with a loss of 0.1 and Depthswize Separable gets an accuracy value of 80% with a loss of 0.2.