Implementasi Convolutional Neural Network Dengan MobileNetV2 Untuk Deteksi Tokoh Wayang Golek Berdasarkan Citra Digital
Abstract
Wayang golek is a traditional Pasundan regional performing art played using wooden puppets by a puppeteer, which was recognized by UNESCO on November 7, 2003 as an intangible cultural heritage. However, many people find it difficult to distinguish the characters of wayang golek because of the diversity of the characters. This research aims to implement CNN in developing an image-based golek puppet character identification system, so that the recognition process is carried out quickly and accurately. This research uses 15 golek puppet characters with MobileNetV2 architecture as a feature extractor. The model produces train accuracy of 95% and validation accuracy of 91%. Evaluation results using confusion matrix showed accuracy of 90%, precision 90.47%, recall 90%, and f1-score 89.93%. The results show that the CNN model with MobileNetV2 architecture is effective and optimal in detecting and classifying puppets, so that it can support the preservation of puppet culture through technology.
Keyword: Wayang Golek; Convolutional Neural Network; Computer Vision; Image Processing; Website
Abstrak
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.
Kata kunci: Wayang golek; Convolutional neural network; Computer vision; Pengolahan citra; Website
References
T. Hidayati dan B. F. Putra, “Implementasi Deep Learning Untuk Image Classification menggunakan Convolutional Neural Network Pada Citra Wayang (Studi Kasus: SDN Leuwibatu 03),” Scientia Sacra: Jurnal Sains, Teknologi dan Masyarakat, vol. 4, no. 1, pp. 1–7, Mar 2024, Diakses: 11 Desember 2024. [Daring]. Tersedia pada: http://pijarpemikiran.com/ index.php/Scientia/article/view/676/641
S. Setyono, “Wayang,” Djuanda University. Diakses: 11 Desember 2024. [Daring]. Tersedia pada: https://info.unida.ac.id/artikel/wayang
Balai Pelestarian Kebudayaan (BPK) Wilayah IX, “Mengenal Budaya Wayang Golek,” Kementerian Pendidikan, Kebudayaan, Riset dan Teknologi. Diakses: 11 Desember 2024. [Daring]. Tersedia pada: https://kebudayaan.kemdikbud.go.id/bpnbjabar/mengenal-budaya-wayang-golek/
D. Ardianti dan M. Fariz, “Ethnography of Cultural Communication Wayang Golek Made from Waste in Bogor City, West Java,” Journal Sampurasun: Interdisciplinary Studies for Cultural Heritage, vol. 10, no. 1, pp. 17–26, Jun 2024, doi: 10.23969/sampurasun. v10i1.13761.
K. Pirmansyah dkk., “Wayang Golek di Era Modern: Sejarah, Keunikan, dan Tantangan yang Dihadapi,” dalam Prosiding Seminar Nasional Penelitian LPPM UMJ, Jakarta: Universitas Muhammadiyah Jakarta, Nov 2024, pp. 2–7. Diakses: 26 Januari 2025. [Daring]. Tersedia pada: http://jurnal.umj.ac.id/index.php/semnaslit
P. A. Nugroho, I. Fenriana, dan R. Arijanto, “Implementasi Deep Learning Menggunakan Convolutional Neural Network (CNN) pada Ekspresi Manusia,” JURNAL ALGOR, vol. 2, no. 1, pp. 25-36, 2020, [Daring]. Tersedia pada: https://jurnal.buddhidharma.ac.id/ index.php/algor/index
N. Yudistira, Deep Learning: Teori Contoh Perhitungan, dan Implementasi. Yogyakarta: CV Budi Utama, 2024. Diakses: 31 Desember 2024. [Daring]. Tersedia pada: https://books.google.co.id/books?hl=id&lr=&id=G6cTEQAAQBAJ&oi=fnd&pg=PP1&dq=pengertian+deep+learning&ots=WrcM4QooEd&sig=fqWqzjPhnf-BefRPG7o-YuCkGUI&redir_esc=y#v=onepage&q=pengertian%20deep%20learning&f=false
A. N. R. Munandar dan A. F. Rozi, “Analisis Arsitektur Convolutional Neural Network Untuk Klasifikasi Citra Bunga,” Jurnal Teknologi Dan Sistem Informasi Bisnis, vol. 6, no. 3, pp. 522–531, Jul 2024, doi: 10.47233/jteksis.v6i3.1413.
B. K. Widodo, H. Prasetyo, G. A. Lustiansyah, B. A. Wibisono, dan D. S. Prasvita, “Analisis Perbandingan Algoritma SVM dan CNN untuk Klasifikasi Buah,” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), no. 2, Sep 2021, pp. 69-80, Diakses: 3 Januari 2025. [Daring]. Tersedia pada: https://conference.upnvj.ac.id/ index.php/senamika/article/view/1564/0
S. A. Maulana, S. H. Batubara, Y. P. P. Pasaribu, H. Syahputra, dan F. Ramadhani, “Deteksi Burung Menggunakan Convolutional Neural Network (Cnn) Dengan Model Arsitektur Mobilenetv2,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 4, pp. 6108–6114, Agu 2024, doi: 10.36040/jati.v8i4.10126.
F. Marpaung, N. Khairina, R. Muliono, M. Muhathir, dan S. Susilawati, “Klasifikasi Daun Teh Siap Panen Menggunakan Convolutional Neural Network Arsitektur MobileNetV2,” JURNAL TEKNOINFO, vol. 18, no. 1, pp. 215–225, Jan 2024, doi: 10.33365/jti.v18i1.3435.
L. L. Larasati, “Analisis Sentimen Terhadap Opini Warganet Tentang Wisata D.I Yogyakarta Pada Platform Instagram Menggunakan Naïve Bayes Classifier,” Tugas Akhir, Universitas Islam Indonesia, 2024.
M. Armando dan S. Wati, “Klasifikasi Kendaraan Militer (Pesawat F16, Kapal Fregat, Tank Leopard) di Indonesia Menggunakan Convolutional Neural Network (CNN),” JURNAL ELEKTROSISTA, vol. 12, no. 1, pp. 64-74, Des 2024, Diakses: 4 Januari 2025. [Daring]. Tersedia pada: https://ojs.akmil.ac.id/index.php/jurnal-elektrosista/article/view/245
A. D. A. Putra dan S. Juanita, “Analisis Sentimen Pada Ulasan Pengguna Aplikasi Bibit Dan Bareksa Dengan Algoritma KNN,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 8, no. 2, pp. 636-646, Jun 2021, doi: 10.35957/jatisi.v8i2.962.
A. S. S. Pratama, A. P. Wibawa, dan A. N. Handayani, “Convolutional Neural Network (CNN) untuk Menentukan Gagrak Wayang Kulit,” Jurnal MNEMONIC, vol. 5, no. 2, pp. 98-102, Sep 2022, Diakses: 1 Januari 2025. [Daring]. Tersedia pada: https://ejournal.itn.ac.id/index.php/mnemonic/article/view/4671/3334
A. P. Wibawa, W. A. Yudha Pratama, A. N. Handayani, dan A. Ghosh, “Convolutional Neural Network (CNN) to determine the character of wayang kulit,” International Journal of Visual and Performing Arts, vol. 3, no. 1, pp. 1–8, 2021, doi: 10.31763/viperarts.v3i1.373.
S. A. Maulana, S. H. Batubara, T. A. Amelia, dan Y. P. P. Pasaribu, “Penerapan Metode CNN (Convolutional Neural Network) Dalam Mengklasifikasi Jenis Ubur-Ubur,” Jurnal Penelitian Rumpun Ilmu Teknik (JUPRIT), vol. 2, no. 4, pp. 122–130, Nov 2023, doi: 10.55606/juprit.v2i4.3084.
How To Cite This :
Refbacks
- There are currently no refbacks.
