Resume Artikel Ilmiah “Improving Batik Pattern Classification using CNN with Advanced Augmentation and Oversampling on Imbalanced Dataset”
Artikel ilmiah ini membahas tentang peningkatan kinerja model Convolutional Neural Network (CNN) dalam klasifikasi pola batik menggunakan teknik augmentasi dan oversampling canggih pada dataset yang tidak seimbang. Klasifikasi pola batik merupakan tugas penting mengingat batik adalah warisan budaya Indonesia yang diakui oleh UNESCO, dengan berbagai pola yang mencerminkan keragaman budaya dari berbagai daerah di Indonesia. Namun, tantangan utama dalam klasifikasi ini adalah dataset yang tidak seimbang, di mana beberapa kelas memiliki jumlah sampel yang sangat sedikit dibandingkan dengan kelas lainnya. Ketidakseimbangan ini menyebabkan model pembelajaran mesin kesulitan dalam mengklasifikasikan kelas minoritas dengan akurat dan cenderung bias terhadap kelas mayoritas.
Penelitian ini menggunakan dua model CNN, yaitu DenseNet169 dan VGG-16, serta tiga metode pelatihan yang berbeda: pelatihan tanpa oversampling dan augmentasi canggih, pelatihan dengan oversampling, dan pelatihan dengan kombinasi oversampling dan augmentasi canggih. Augmentasi canggih yang digunakan melibatkan berbagai transformasi gambar seperti variasi warna, kontras, kerutan, dan distorsi yang mungkin ada pada kain batik. Teknik augmentasi ini diharapkan dapat meningkatkan keragaman data gambar yang digunakan untuk melatih model, sehingga model dapat lebih baik dalam mengenali pola-pola batik yang beragam.
Hasil penelitian menunjukkan bahwa model DenseNet169 dengan dataset yang telah di-oversampling dan diaugmentasi mencapai akurasi tertinggi, yaitu 84,62%. Model VGG-16 juga menunjukkan kinerja yang baik pada dataset yang sama, dengan akurasi sebesar 82,56%. Kedua model ini menunjukkan peningkatan kinerja yang signifikan dibandingkan dengan model yang dilatih hanya dengan data asli atau data yang di-oversampling tanpa augmentasi canggih.
Penelitian ini menyarankan bahwa penggunaan teknik oversampling dan augmentasi canggih secara bersamaan dapat meningkatkan kinerja model dalam mengklasifikasikan pola batik pada dataset yang tidak seimbang. Augmentasi canggih memungkinkan model untuk lebih robust terhadap variasi yang ada dalam gambar batik, sehingga dapat mengenali pola dengan lebih baik meskipun terdapat variasi dalam warna, tekstur, dan bentuk.
Secara keseluruhan, penelitian ini memberikan kontribusi penting dalam bidang klasifikasi gambar, khususnya dalam penerapan pada warisan budaya seperti batik. Dengan meningkatkan akurasi klasifikasi pola batik, upaya pelestarian batik melalui teknologi modern dapat ditingkatkan, sehingga membantu dalam menjaga warisan budaya Indonesia ini tetap hidup dan dikenal oleh generasi mendatang. Hasil penelitian ini juga menunjukkan bahwa kombinasi oversampling dan augmentasi canggih dapat menjadi solusi efektif dalam menangani masalah dataset tidak seimbang, yang sering menjadi tantangan dalam tugas-tugas klasifikasi gambar lainnya.
Komentar
Posting Komentar