similarity-Penerapan Deep Learning dalam Mengidentifikasi Jenis Bangunan Heritage Berdasarkan Ornamen

Sunardi, Sunardi (2021) similarity-Penerapan Deep Learning dalam Mengidentifikasi Jenis Bangunan Heritage Berdasarkan Ornamen. Jurnal Media Informatika Budidarma, 5 (3). ISSN 2614-5278

[thumbnail of Penerapan Deep Learning dalam Mengidentifikasi Jenis Bangunan Heritage Berdasarkan Ornamen.pdf] Text
Penerapan Deep Learning dalam Mengidentifikasi Jenis Bangunan Heritage Berdasarkan Ornamen.pdf

Download (2MB)

Abstract

Bangunan heritage merupakan bangunan yang memiliki corak khas atau tradisi dari suatu budaya yang kegiatannya
dilakukan terus menerus hingga sekarang dan dijadikan ciri khas dari budaya tersebut. Permasalahan yang terjadi di dalam
masyarakat adalah kurangnya pengetahuan untuk mengenal jenis bangunan heritage serta dokumentasi digital yang kurang.
Masalah lain yang terjadi dalam mengidentifikasi bangunan heritage ditemukan kemiripan antar bangunan heritage dengan
bangunan baru yang meniru gaya arsitektur bangunan heritage dari ornemen. Hal ini dapat menimbulkan keraguan dalam
informasi terkait sejarah bangunan heritage yang asli bagi masyarakat atau pengunjung. Penelitian ini bertujuan untuk
menerapkan Convolutional Neural Network (CNN) mengidentifikasi jenis bangunan heritage. Manfaat dari penelitiandapat
diketahui ciri suatu bangunan berdasarkan ornamen sehingga dapat digunakan untuk memperoleh informasi tentang jenis
bangunan heritage di Indonesia. Digunakan dataset sebanyak 7184 citra ornamen yang berasal dari bangunan heritage yang
diambil secara langsung di lokasi Yogyakarta, yaitu; Masjid Gede Mataram, Masjid Taqwa Wonokromo, Rumah Kalang, Joglo
KH Ahmad Dahlan dan Ketandan. Perlunya dilakukan identifikasi bangunan heritage tersebut dikarenakan objek bangunan
sewaktu-waktu dapat mengalami kepunahan, sehingga untuk mempertahankannya diperlukan dokumentasi sebagai upaya
pelestarian budaya serta untuk edukasi. Berdasarkan evaluasi performa pengujian yang dilakukan dengan menggunakan metode
confusion matrix dari 391 citra ornamen diperoleh hasil akurasi sebesar 98%.

Item Type: Artikel Umum
Subjects: T Technology > T Technology (General)
Divisi / Prodi: Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Electrical Engineering (S1-Teknik Elektro)
Depositing User: SUNARDI
Date Deposited: 22 Aug 2022 05:53
Last Modified: 22 Aug 2022 05:56
URI: http://eprints.uad.ac.id/id/eprint/36422

Actions (login required)

View Item View Item