Transfer Learning VGG16

Kenali Motif Batik Nusantara Hanya dari Sebuah Foto

Sistem ini bekerja seperti mata yang sudah dilatih mengenali pola kain. Cukup unggah foto batik Keraton, sistem akan menebak motifnya beserta asal daerah dan makna filosofisnya.

Mulai Klasifikasi

4

Motif Dikenali

1799

Gambar Dataset

VGG16

Arsitektur Model

88.32%

Akurasi Data Uji

Bagaimana Sistem Ini Bisa Mengenali Motif Batik?

Tidak perlu paham pemrograman untuk mengerti cara kerjanya. Berikut penjelasan sederhananya.

1
Komputer Belajar Melihat Dulu

Sebelum belajar batik, model bernama VGG16 sudah lebih dulu dilatih dengan jutaan foto berbagai macam objek sehari-hari (kucing, mobil, bunga, dan lainnya). Dari situ, komputer belajar mengenali hal dasar seperti garis, sudut, warna, dan bentuk, persis seperti bayi yang belajar mengenali bentuk sebelum mengenal nama benda.

2
Kemampuan Itu Dipakai Ulang

Kemampuan mengenali garis dan bentuk tadi tidak dibuang. Konsep ini disebut transfer learning, mirip seperti orang yang sudah bisa membaca huruf latin akan lebih cepat belajar bahasa baru dibanding mulai dari nol. Sistem lalu dilatih ulang secara khusus menggunakan ratusan foto kain batik Keraton, agar mengenali pola garis diagonal Parang, bulatan Kawung, gradasi awan Mega Mendung, dan titik bintang Truntum.

3
Menebak dengan Angka Keyakinan

Saat Anda unggah foto baru, sistem membandingkan pola pada foto tersebut dengan pola yang sudah dipelajari, lalu memberi nilai persentase untuk tiap kemungkinan motif. Semakin mirip polanya dengan yang pernah dipelajari, semakin tinggi persentase keyakinannya.

Jumlah Gambar per Motif

Grafik ini menunjukkan berapa banyak contoh foto yang dipelajari sistem untuk tiap motif. Semakin banyak dan beragam contohnya, biasanya semakin akurat pula sistem mengenali motif tersebut.

Motif yang Dikenali Sistem

Setiap motif memiliki pola visual dan makna filosofis yang berbeda

Ilustrasi pola motif Kawung
Kawung

Yogyakarta & Surakarta

Motif berbentuk bulatan lonjong menyerupai buah kolang-kaling (kawung) yang disusun secara...

Ilustrasi pola motif Mega Mendung
Mega Mendung

Cirebon

Motif berbentuk awan bergradasi warna yang terinspirasi dari budaya Tiongkok. Melambangkan...

Ilustrasi pola motif Parang
Parang

Yogyakarta & Surakarta

Motif diagonal menyerupai huruf S yang saling berkaitan tanpa putus, terinspirasi dari omb...

Ilustrasi pola motif Truntum
Truntum

Surakarta (Solo)

Motif bunga kecil menyerupai taburan bintang, diciptakan oleh Kanjeng Ratu Kencana. Melamb...

Pertanyaan yang Sering Ditanyakan

Ada dua motif atau lebih yang polanya bisa terlihat mirip dari sudut atau pencahayaan tertentu, sehingga sistem bisa keliru menebak. Faktor lain adalah jumlah dan variasi foto yang dipelajari sistem saat pelatihan. Semakin sedikit atau seragam contohnya, semakin besar peluang sistem salah menebak pada foto yang berbeda gayanya. Anda bisa melihat motif mana saja yang paling sering tertukar di halaman Evaluasi Model.

Angka itu bukan ukuran seberapa benar hasilnya, melainkan seberapa mirip pola pada foto Anda dengan pola yang pernah dipelajari sistem untuk motif tersebut. Angka 90 persen berarti sistem sangat yakin, sedangkan angka di bawah 50 persen berarti sistem ragu-ragu dan hasil sebaiknya dicek ulang secara manual.

Data train dipakai untuk mengajari sistem mengenali pola. Data validasi dipakai untuk memantau perkembangan belajar selama proses pelatihan berlangsung. Data test sengaja disembunyikan dan baru dipakai di akhir, untuk menguji apakah sistem benar-benar bisa mengenali motif pada foto yang belum pernah dilihat sebelumnya, bukan sekadar menghafal foto yang sudah dipelajari.

Foto close-up pada kain, dengan pencahayaan cukup dan motif terlihat jelas tanpa banyak lipatan, biasanya memberi hasil paling akurat. Foto dari jarak jauh atau dengan motif yang tertutup bayangan cenderung membuat sistem lebih sulit mengenali pola.

Siap mencoba mengidentifikasi motif batik Anda?

Unggah foto dan dapatkan hasil identifikasi dalam hitungan detik.

Coba Sekarang