PENGEMBANGAN APLIKASI MOBILE TERINTEGRASI DEEP LEARNING UNTUK KLASIFIKASI MOTIF SONGKET KHAS JINENGDALEM

Mahendra, Kadek Yuda (2025) PENGEMBANGAN APLIKASI MOBILE TERINTEGRASI DEEP LEARNING UNTUK KLASIFIKASI MOTIF SONGKET KHAS JINENGDALEM. Undergraduate thesis, Universitas Pendidikan Ganesha.

[img] Text (COVER)
2115101071-COVER.pdf

Download (1MB)
[img] Text (ABSTRAK)
2115101071-ABSTRAK.pdf

Download (149kB)
[img] Text (BAB 1 PENDAHULUAN)
2115101071-BAB 1 PENDAHULUAN.pdf

Download (124kB)
[img] Text (BAB 2 PENDAHULUAN)
2115101071-BAB 2 KAJIAN TEORI.pdf
Restricted to Repository staff only

Download (417kB) | Request a copy
[img] Text (BAB 3 METODELOGI PENELITIAN)
2115101071-BAB 3 METODELOGI PENELITIAN.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text (BAB 4 HASIL DAN PEMBAHASAN)
2115101071-BAB 4 HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only

Download (4MB) | Request a copy
[img] Text (BAB 5 PENUTUP)
2115101071-BAB 5 PENUTUP.pdf
Restricted to Repository staff only

Download (97kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
2115101071-DAFTAR PUSTAKA.pdf

Download (96kB)
[img] Text (LAMPIRAN)
2115101071-LAMPIRAN.pdf

Download (5MB)

Abstract

Penelitian ini bertujuan untuk mengembangkan aplikasi mobile berbasis Android yang terintegrasi dengan teknologi deep learning untuk mengklasifikasikan motif songket khas Desa Jinengdalem. Songket merupakan warisan budaya yang memiliki nilai artistik tinggi, namun masyarakat kerap mengalami kesulitan dalam membedakan motif – motif yang memiliki kemiripan visual. Untuk mengatasi permasalahan tersebut, digunakanlah arsitektur MobileNetV2 dari Convolutional Neural Network (CNN) karena kemampuannya dalam melakukan klasifikasi gambar secara efisien di perangkat mobile. Penelitian ini menggunakan lima kelas motif utama yaitu cangkir, bunga pucuk, bintang-bintang, wayang, dan naga, serta satu kelas tambahan “unknown” sebagai pembeda dari motif luar. Model dilatih menggunakan teknik K-Fold Cross Validation dan data augmentasi untuk mengatasi keterbatasan jumlah data. Hasil evaluasi menunjukkan bahwa model berhasil mencapai akurasi klasifikasi sebesar 99,98% pada data internal. Pengujian aplikasi melalui metode blackbox dan whitebox menunjukkan seluruh fungsi berjalan sesuai harapan. Selain itu, uji usability dengan System Usability Scale (SUS) menunjukkan skor rata – rata sebesar 83,13, yang termasuk dalam kategori “Excellent”. Penelitian ini berhasil menghasilkan aplikasi “iSongket” yang tidak hanya akurat dalam klasifikasi, namun juga user-friendly bagi pengguna awam. Penggunaan teknologi ini diharapkan dapat membantu pelestarian budaya serta mendukung promosi songket lokal secara digital.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Songket Jinengdalem, Aplikasi Mobile, CNN, MobileNetV2, Klasifikasi
Subjects: N Fine Arts > NX Arts in general
S Agriculture > S Agriculture (General)
T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Ilmu Komputer (S1)
Depositing User: Kadek Yuda Mahendra
Date Deposited: 28 Jul 2025 14:46
Last Modified: 28 Jul 2025 14:46
URI: http://repo.undiksha.ac.id/id/eprint/26167

Actions (login required)

View Item View Item