IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK DAN SUPPORT VECTOR MACHINE UNTUK PENDETEKSIAN CANDI JIWA DAN CANDI BLANDONGAN
Keywords:
Budaya, Candi Jiwa, Candi Blandongan, CNN, SVM
Abstract
Di wilayah Kabupaten Karawang terdapat peninggalan sejarah yaitu Candi Jiwa dan Candi Blandongan. Keunikan bentuk arsitektur yang dimiliki pada candi ini akan sangat disayangkan apabila tidak diperkenalkan serta diwariskan kepada generasi penerus, dalam rangka melestarikan identitas budaya Indonesia. Dengan memperkenalkan candi melalui pengenalan citra menggunakan algoritma CNN dan SVM, bertujuan untuk dapat memberikan kontribusi dalam pengembangan teknologi untuk pelestarian dan promosi pariwisata budaya, kepada wisatawan lokal maupun mancanegara. Pada penelitian ini menggunakan 200 data citra Candi Jiwa dan Candi Blandongan yang terbagi kedalam data training 80%, data testing 10%, dan data validasi 10%. Hasil pegujian yang dilakukan menghasilkan tingkat akurasi sebesar 85%.
References
[1] A. P. Septiawan, L. Agung, dan S. Djono, “Internalisasi Nilai-Nilai Relief Candi Penataran Dalam Pembelajaran Sejarah Untuk Menumbuhkan Kesadaran Budaya,” J. Teor. dan Praksis Pembelajaran IPS, vol. 3, no. 2, hal. 103–108, 2018, doi: 10.17977/um022v3i22018p103.
[2] R. Tiarawanti, Yatmin, dan S. Widiatmoko, “Upaya Melestarikan Candi Tegowangi Sebagai Tempat Peninggalan Bersejarah di Kediri,” hal. 716–721, 2022.
[3] BPCB Banten, “Candi Blandongan, salah satu yang unik dari Situs Batujaya,” BPCB Banten. https://kebudayaan.kemdikbud.go.id/bpcbbanten/candiblandongan-salah-satu-yang-unik-dari-situs-batujaya-2/ (diakses 10 Agustus 2023).
[4] BPCB Banten, “Candi Jiwa,” BPCB Banten, 2014. https://kebudayaan.kemdikbud.go.id/bpcbbanten/candi-jiwa/ (diakses 10 Agustus 2023).
[5] K. A. Baihaqi, Z. Candra, dan B. Nugraha, “Pengenalan Jenis Candi Berdasarkan Bentuk dan Modelnya Menggunakan Motode Convolutional Neural Network (CNN) Pada YOLLO v3,” Syntax J. Inform., vol. 10, no. 02, hal. 13–23, 2021.
[6] Y. Rizki, R. Hayami, dan E. Rahmadani, “Identifikasi Objek Cagar Budaya Candi Mahligai Berbasis Citra Menggunakan Mask R-CNN,” J. Comput. Sci. Inf. Technol., vol. 3, no. 3, hal. 309–314, 2022.
[7] W. Wasis, M. Fachrie, S. Edy, dan Y. Wachid, “Sistem Klasifikasi Relief Candi Borobudur Menggunakan Local Binary Pattern Dan Algoritma Nearest Neighbors,” Vocat. Educ. Natl. Semin. Pap., vol. 01, no. 01, hal. 142–147, 2022.
[8] A. F. P. Suseta dan E. Ade, “Visualisasi Candi Tawang Alun Berbasis Augmanted Reality Sebagai Representasi Peninggalan Purba Di Sedati Sidoarjo,” Procedia Eng. Life Sci., vol. 2, no. 1, 2021.
[9] M. A. Henla, “Kajian perbandingan model 3 dimensi menggunakan teknologi terrestrial laser scanner (tls) leica rtc360 dan leica blk2go,” 2023.
[10] W. D. Sulistyo et al., “Bakti Dan Pengenalan Situs Candi Kalicilik Pada Siswa SD 1 Candirejo Ponggok Blitar,” J. Praksis dan Dedik. Sos., vol. 2, no. 2, hal. 54–61, 2019, doi: 10.17977/um032v2i2p54-61.
[11] Y. N. Nabusa, “Pengolahan Citra Digital Perbandingan Metode Histogram Equalization Dan Spesification Pada Citra Abu-Abu,” J-Icon, vol. 7, no. 1, hal. 87–95, 2019.
[12] A. Peryanto, A. Yudhana, dan R. Umar, “Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation,” J. Appl. Informatics Comput., vol. 4, no. 1, hal. 45–51, 2020, doi: 10.30871/jaic.v4i1.2017.
[13] F. M. Hana, “Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma Decision Tree C4.5,” J. Sist. Komput. dan Kecerdasan Buatan, vol. 4, no. 1, hal. 32–39, 2020.
[14] M. A. Pangestu dan H. Bunyamin, “Analisis Performa dan Pengembangan Sistem Deteksi Ras Anjing pada Gambar dengan Menggunakan Pre-Trained CNN Model,” J. Tek. Inform. dan Sist. Inf., vol. 4, hal. 337–344, 2018, doi: http://dx.doi.org/10.28932/jutisi.v4i2.828.
[15] R. D. Nurfita, “Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari,” J. Emit., vol. 18, no. 01, hal. 22–27, 2018.
[16] Hermanto, A. Mustopa, dan A. Y. Kuntoro, “Algoritma Klasifikasi Naive Bayes Dan Support Vector Machine Dalam Layanan Komplain Mahasiswa,” JITK (Jurnal Ilmu Pengetah. dan Teknol. Komputer), vol. 5, no. 2, hal. 211–220, 2020, doi: 10.33480/jitk.v5i2.1181.
[17] R. Rosdiana, M. Ula, dan H. A. K. Aidilof, “Implementasi Pemodelan Citra Model Svm (Support Vector Machine) Dalam Penentuan Pengklasifikasian Jenis Suara Kontes Burung,” J. Inform. Kaputama, vol. 5, no. 2, 2021, [Daring]. Tersedia pada: http://jurnal.kaputama.ac.id/index.php/JIK/article/view/566
[18] S. Ahlawat dan A. Choudhary, “Hybrid CNN-SVM Classifier for Handwritten Digit Recognition,” Procedia Comput. Sci., vol. 167, no. 2019, hal. 2554–2560, 2020, doi: 10.1016/j.procs.2020.03.309.
[19] D. Normawati dan S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J. Sains Komput. Inform. (J-SAKTI, vol. 5, no. 2, hal. 697–711, 2021.
[20] Yohannes, D. Udjulawa, dan Febbiola, “Klasifikasi Lukisan Karya Van Gogh Menggunakan Convolutional Neural Network-Support Vector Machine,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 1, hal. 192–205, 2021, doi: 10.28932/jutisi.v7i1.3399.
[2] R. Tiarawanti, Yatmin, dan S. Widiatmoko, “Upaya Melestarikan Candi Tegowangi Sebagai Tempat Peninggalan Bersejarah di Kediri,” hal. 716–721, 2022.
[3] BPCB Banten, “Candi Blandongan, salah satu yang unik dari Situs Batujaya,” BPCB Banten. https://kebudayaan.kemdikbud.go.id/bpcbbanten/candiblandongan-salah-satu-yang-unik-dari-situs-batujaya-2/ (diakses 10 Agustus 2023).
[4] BPCB Banten, “Candi Jiwa,” BPCB Banten, 2014. https://kebudayaan.kemdikbud.go.id/bpcbbanten/candi-jiwa/ (diakses 10 Agustus 2023).
[5] K. A. Baihaqi, Z. Candra, dan B. Nugraha, “Pengenalan Jenis Candi Berdasarkan Bentuk dan Modelnya Menggunakan Motode Convolutional Neural Network (CNN) Pada YOLLO v3,” Syntax J. Inform., vol. 10, no. 02, hal. 13–23, 2021.
[6] Y. Rizki, R. Hayami, dan E. Rahmadani, “Identifikasi Objek Cagar Budaya Candi Mahligai Berbasis Citra Menggunakan Mask R-CNN,” J. Comput. Sci. Inf. Technol., vol. 3, no. 3, hal. 309–314, 2022.
[7] W. Wasis, M. Fachrie, S. Edy, dan Y. Wachid, “Sistem Klasifikasi Relief Candi Borobudur Menggunakan Local Binary Pattern Dan Algoritma Nearest Neighbors,” Vocat. Educ. Natl. Semin. Pap., vol. 01, no. 01, hal. 142–147, 2022.
[8] A. F. P. Suseta dan E. Ade, “Visualisasi Candi Tawang Alun Berbasis Augmanted Reality Sebagai Representasi Peninggalan Purba Di Sedati Sidoarjo,” Procedia Eng. Life Sci., vol. 2, no. 1, 2021.
[9] M. A. Henla, “Kajian perbandingan model 3 dimensi menggunakan teknologi terrestrial laser scanner (tls) leica rtc360 dan leica blk2go,” 2023.
[10] W. D. Sulistyo et al., “Bakti Dan Pengenalan Situs Candi Kalicilik Pada Siswa SD 1 Candirejo Ponggok Blitar,” J. Praksis dan Dedik. Sos., vol. 2, no. 2, hal. 54–61, 2019, doi: 10.17977/um032v2i2p54-61.
[11] Y. N. Nabusa, “Pengolahan Citra Digital Perbandingan Metode Histogram Equalization Dan Spesification Pada Citra Abu-Abu,” J-Icon, vol. 7, no. 1, hal. 87–95, 2019.
[12] A. Peryanto, A. Yudhana, dan R. Umar, “Klasifikasi Citra Menggunakan Convolutional Neural Network dan K Fold Cross Validation,” J. Appl. Informatics Comput., vol. 4, no. 1, hal. 45–51, 2020, doi: 10.30871/jaic.v4i1.2017.
[13] F. M. Hana, “Klasifikasi Penderita Penyakit Diabetes Menggunakan Algoritma Decision Tree C4.5,” J. Sist. Komput. dan Kecerdasan Buatan, vol. 4, no. 1, hal. 32–39, 2020.
[14] M. A. Pangestu dan H. Bunyamin, “Analisis Performa dan Pengembangan Sistem Deteksi Ras Anjing pada Gambar dengan Menggunakan Pre-Trained CNN Model,” J. Tek. Inform. dan Sist. Inf., vol. 4, hal. 337–344, 2018, doi: http://dx.doi.org/10.28932/jutisi.v4i2.828.
[15] R. D. Nurfita, “Implementasi Deep Learning Berbasis Tensorflow Untuk Pengenalan Sidik Jari,” J. Emit., vol. 18, no. 01, hal. 22–27, 2018.
[16] Hermanto, A. Mustopa, dan A. Y. Kuntoro, “Algoritma Klasifikasi Naive Bayes Dan Support Vector Machine Dalam Layanan Komplain Mahasiswa,” JITK (Jurnal Ilmu Pengetah. dan Teknol. Komputer), vol. 5, no. 2, hal. 211–220, 2020, doi: 10.33480/jitk.v5i2.1181.
[17] R. Rosdiana, M. Ula, dan H. A. K. Aidilof, “Implementasi Pemodelan Citra Model Svm (Support Vector Machine) Dalam Penentuan Pengklasifikasian Jenis Suara Kontes Burung,” J. Inform. Kaputama, vol. 5, no. 2, 2021, [Daring]. Tersedia pada: http://jurnal.kaputama.ac.id/index.php/JIK/article/view/566
[18] S. Ahlawat dan A. Choudhary, “Hybrid CNN-SVM Classifier for Handwritten Digit Recognition,” Procedia Comput. Sci., vol. 167, no. 2019, hal. 2554–2560, 2020, doi: 10.1016/j.procs.2020.03.309.
[19] D. Normawati dan S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J. Sains Komput. Inform. (J-SAKTI, vol. 5, no. 2, hal. 697–711, 2021.
[20] Yohannes, D. Udjulawa, dan Febbiola, “Klasifikasi Lukisan Karya Van Gogh Menggunakan Convolutional Neural Network-Support Vector Machine,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 1, hal. 192–205, 2021, doi: 10.28932/jutisi.v7i1.3399.
Published
2024-07-31
Section
Articles
