STMIK BANJARBARUSTMIK BANJARBARU

Progresif: Jurnal Ilmiah KomputerProgresif: Jurnal Ilmiah Komputer

Wayang golek adalah seni pertunjukan tradisional daerah Pasundan yang dimainkan menggunakan boneka kayu oleh seorang dalang, yang telah diakui UNESCO pada 7 November 2003 sebagai warisan budaya tak benda. Meskipun demikian, tidak sedikit orang kesulitan dalam membedakan tokoh-tokoh wayang golek karena keberagaman tokohnya. Penelitian ini bertujuan untuk mengimplementasikan CNN dalam mengembangkan sistem identifikasi tokoh wayang golek berdasarkan citra, sehingga proses pengenalan dilakukan secara cepat dan akurat. Penelitian ini menggunakan 15 tokoh wayang golek dengan arsitektur MobileNetV2 sebagai feature extractor. Model menghasilkan train accuracy sebesar 95% dan validation accuracy sebesar 91%. Hasil evaluasi menggunakan confusion matrix menunjukkan akurasi sebesar 90%, precision 90,47%, recall 90%, dan f1-score 89,93%. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur MobileNetV2 terbukti efektif dan optimal dalam mendeteksi serta mengklasifikasikan wayang golek, sehingga dapat mendukung pelestarian budaya wayang golek melalui teknologi.

Menurut hasil yang diperoleh dari penelitian ini, model yang digunakan yaitu Convolutional Neural Network (CNN) dapat mendeteksi dan mengklasifikasikan 15 tokoh wayang golek.Dalam penelitian ini, digunakan arsitektur MobileNetV2 pretrained pada ImageNet sebagai feature extractor dengan parameter ukuran batch size 224 x 224 piksel, optimizer Adam dengan learning rate 0,0001, jumlah epoch sebesar 50.Untuk meningkatkan performa pelatihan, digunakan EarlyStopping, ReduceLROnPlateau, dan ModelCheckpoint untuk menyimpan model terbaik.Model CNN dengan arsitektur MobileNetV2 pretrained pada ImageNet sebagai feature extractor terbukti efektif dan menunjukkan kinerja yang baik dalam mendeteksi serta mengidentifikasi tokoh wayang golek.Selain itu, dari 15 kelas wayang golek yang diuji, diperoleh precision sebesar 90,47%, recall sebesar 90%, dan f1-score sebesar 89,93%.Model kemudian diterapkan pada aplikasi berbasis website untuk memudahkan akses pengguna dalam mengenali dan mengklasifikasikan tokoh wayang golek, sehingga menjadi salah satu solusi untuk mendukung pelestarian budaya wayang golek melalui teknologi.

Berdasarkan hasil penelitian, terdapat beberapa saran penelitian lanjutan yang dapat dikembangkan. Pertama, perlu dilakukan penelitian lebih lanjut dengan memperluas dataset wayang golek, termasuk variasi pose dan kondisi pencahayaan yang berbeda, untuk meningkatkan robustitas model. Kedua, eksplorasi arsitektur CNN lain yang lebih canggih, seperti EfficientNet atau ResNet, dapat dilakukan untuk meningkatkan akurasi dan efisiensi model. Ketiga, pengembangan aplikasi mobile dengan integrasi teknologi augmented reality (AR) dapat memberikan pengalaman interaktif yang lebih menarik bagi pengguna dalam mempelajari dan mengenal tokoh-tokoh wayang golek. Dengan demikian, penelitian ini diharapkan dapat memberikan kontribusi positif dalam pelestarian budaya wayang golek melalui pemanfaatan teknologi kecerdasan buatan.

  1. Analisis Sentimen pada Ulasan pengguna Aplikasi Bibit Dan Bareksa dengan Algoritma KNN | JATISI. analisis... jurnal.mdp.ac.id/index.php/jatisi/article/view/962Analisis Sentimen pada Ulasan pengguna Aplikasi Bibit Dan Bareksa dengan Algoritma KNN JATISI analisis jurnal mdp ac index php jatisi article view 962
  2. Journal Sampurasun : Interdisciplinary Studies for Cultural Heritage. journal sampurasun studies cultural... doi.org/10.23969/sampurasunJournal Sampurasun Interdisciplinary Studies for Cultural Heritage journal sampurasun studies cultural doi 10 23969 sampurasun
  3. Implementasi Convolutional Neural Network Dengan MobileNetV2 Untuk Deteksi Tokoh Wayang Golek Berdasarkan... ojs.stmik-banjarbaru.ac.id/index.php/progresif/article/view/2782Implementasi Convolutional Neural Network Dengan MobileNetV2 Untuk Deteksi Tokoh Wayang Golek Berdasarkan ojs stmik banjarbaru ac index php progresif article view 2782
  4. Penerapan Metode CNN (Convolutional Neural Network) Dalam Mengklasifikasi Jenis Ubur-Ubur | Jurnal Penelitian... doi.org/10.55606/juprit.v2i4.3084Penerapan Metode CNN Convolutional Neural Network Dalam Mengklasifikasi Jenis Ubur Ubur Jurnal Penelitian doi 10 55606 juprit v2i4 3084
Read online
File size852.47 KB
Pages12
DMCAReport

Related /

ads-block-test