Klasifikasi Motif Ulos Tradisional Batak Toba Menggunakan Convolutional Neural Network

Abstract

Ulos merupakan salah satu warisan tradisional budaya Batak. Kain ulos ini sering digunakan dalam berbagai acara adat Batak seperti acara adat Pernikahan, adat Pemakaman dan lainnya yang sejak dulu sudah diterapkan nenek moyang bangsa batak. Pada kasus ini perlu dilakukan penelitian agar orang tidak lagi menyamakan pola atau motif kain ulos ini. Jika di perhatikan dengan teliti motif kain ulos tersebut banyak sekali terdapat perbedaan baik itu perpaduan warna, ukuran dan tentunya motif. Dengan itu penelitian ini melakukan klasifikasi guna memperkenalkan berbagai macam motif ulos batak. Pada penelitian ini metode yang digunakan untuk pengklasifikasian adalah Convolutional Nueural Network (Jaringan Saraf Konvolusional). Metode yang digunakan untuk melakukan klasifikasi ini yaitu dengan model Deep Learning pada CNN. Data yang akan digunakan untuk proses training adalah sebesar 80% data. Data tersebut akan dieksekusi oleh algoritma CNN untuk diekstraksi yang dipelajari fiturnya. Parameter iterasi yang dilakukan pada proses training ini sebanyak 100 epoch dengan nilai batch size sebesar 32. Jadi proses pelatihan akan berlangsung dan diulang-ulang sebanyak 100 kali untuk memperolah ekstrasi ciri dari fitur yang dibutuhkan dan didapatkan nilai akurasi sebesar 97.83%, nilai loss sebesar 0,0793, val_loss 2.1885, dan val_accuracy 0.7429. Ulos is one of the traditional heritage of Batak culture. This ulos cloth is often used in various Batak traditional events such as weddings, funerals and other traditions which have long been implemented by the ancestors of the Batak nation. In this case, research needs to be carried out so that people no longer equate the pattern or motif of this ulos cloth. If you look carefully at the motifs of the ulos cloth, there are many differences in the combination of colors, sizes and of course motifs. With that, this research carried out a classification to introduce various kinds of Batak ulos motifs. In this research, the method used for classification is Convolutional Nueural Network. The method used to carry out this classification is the Deep Learning model on CNN. The data that will be used for the training process is 80% of the data. The data will be executed by the CNN algorithm to extract the features it learns from. The iteration parameters carried out in this training process are 100 epochs with a batch size value of 32. So the training process will take place and be repeated 100 times to obtain feature extraction from the required features and obtain an accuracy value of 97.83%, a loss value of 0 .0793, val_loss 2.1885, and val_accuracy 0.7429.