Implementasi Model Vision Transformer dalam Klasifikasi Citra Batik Indonesia
Tahun 2026 · Penulis: Dewana Kretarta Lokeswara
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Batik merupakan warisan budaya Indonesia yang memiliki nilai seni tinggi dengan beragam motif dari berbagai daerah. Keberagaman ini sering menyulitkan masyarakat dalam mengenali motif batik tanpa pengetahuan sebelumnya. Penelitian terdahulu menunjukkan bahwa Convolutional Neural Network (CNN) mampu mengklasifikasikan citra batik dengan akurasi tinggi, namun perkembangan terbaru seperti Vision Transformer (ViT) berpotensi memberikan performa yang lebih baik pada tugas klasifikasi citra. Penelitian ini bertujuan menganalisis implementasi dan evaluasi performa model Vision Transformer untuk klasifikasi 15 jenis motif batik Indonesia menggunakan transfer learning. Dataset yang digunakan adalah “Indonesian Batik Motifs (Corak App)” dari Kaggle dengan total 1.350 gambar. Metode penelitian meliputi preprocessing berupa pembagian data, center cropping ukuran 224×224, serta augmentasi citra. Dua model ViT yang diuji adalah microsoft/beit-base-patch16-224-pt22k-ft22k dan google/vit-base-patch16-224. Evaluasi model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score, dengan pengujian berbagai rasio pembagian data, ukuran batch, serta strategi fine-tuning dua tahap. Hasil penelitian menunjukkan bahwa model microsoft/beit-base-patch16-224-pt22k-ft22k memberikan performa terbaik dengan akurasi validasi 95% dan akurasi pengujian 91,85%, lebih unggul dibandingkan google/vit-base-patch16-224 yang memperoleh akurasi maksimum 84%. Konfigurasi terbaik diperoleh menggunakan batch size 8 dan rasio data 90%:5%:5% untuk training, validasi, dan testing.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,850
Tahun 2025 · Penulis: Sofyatul Masykuroh
Prediksi Software Effort Estimation Menggunakan Metode Hybrid SVR PSO
Pada penelitian ini mengangkat topik SEE (Software Effort Estimation) atau estimasi upaya pengembangan perangkat lunak, yaitu salah satu hal krusial dalam mengembangkan proyek perangkat lunak. Estimasi yang tidak akurat dapat mengakibatkan kegagalan proyek. Be
- Cosine 0,843
Tahun 2026 · Penulis: Fadil Agusta
Implementasi Model Hybrid Random Forest-Support Vector Machine untuk Prediksi Tingkat Kepuasan Pengguna Layanan Multi Lane Free Flow
Perkembangan teknologi transportasi di Indonesia telah menghadirkan sistem Multi-Lane Free Flow (MLFF) sebagai solusi pembayaran tol nirsentuh yang lebih efisien. Namun, keberhasilan penerapan teknologi ini sangat dipengaruhi oleh tingkat penerimaan masyarakat
- Cosine 0,841
Tahun 2026 · Penulis: Adellia Putri
Klasifikasi Penyakit Batang Buah Naga Merah Menggunakan Arsitektur Eca-Resnet-50 Berbasis Website
Buah naga merah adalah salah satu komoditas hortikultura dengan nilai ekonomi tinggi di Indonesia. Salah satu tantangan utama penanaman buah naga adalah infeksi penyakit batang, yang dapat mengurangi pertumbuhan tanaman dan produktivitas tanaman. Identifikasi