KLASIFIKASI TOKOH WAYANG KULIT DALAM CERITA MAHABHARATA VERSI PEWAYANGAN JAWA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) BERBASIS CONVNEXT-SMALL

Abstract

Wayang kulit merupakan warisan budaya Indonesia yang memiliki nilai filosofis tinggi, namun kompleksitas visual dan kemiripan antar tokoh dalam cerita Mahabharata sering menyulitkan masyarakat, khususnya generasi muda, dalam mengenalinya. Permasalahan utama dalam penelitian ini adalah rendahnya kemampuan manusia membedakan tokoh wayang secara visual serta belum optimalnya pemanfaatan arsitektur CNN modern untuk klasifikasi tokoh wayang Mahabharata. Penelitian ini bertujuan membangun dan mengevaluasi model klasifikasi citra tokoh wayang kulit Mahabharata versi pewayangan Jawa menggunakan Convolutional Neural Network (CNN) dengan arsitektur ConvNeXt-Small, serta membandingkannya dengan ResNet-18 sebagai model baseline. Metode yang digunakan meliputi pendekatan transfer learning, pelatihan dua tahap (head-only dan fine-tuning), augmentasi data offline, serta evaluasi menggunakan Stratified K-Fold Cross Validation. Dataset yang digunakan berasal dari Kaggle “Indonesian Wayang (Traditional Puppet Show)” yang terdiri dari 6.576 citra 22 tokoh dan diperluas menjadi 13.200 citra. Hasil penelitian menunjukkan bahwa model ConvNeXt-Small mampu mencapai akurasi 59,50%, macro precision 64,42%, macro recall 59,50%, dan macro F1-score 57,70%, serta menunjukkan kemampuan generalisasi yang lebih baik dibandingkan ResNet-18, meskipun masih mengalami kesulitan pada tokoh dengan kemiripan visual tinggi.