KLASIFIKASI MOTIF BATIK MENGGUNAKAN RESNET-18 DENGAN SQUEEZE-AND-EXCITATION DAN OPTIMIZER ADAM

Abstract

Batik merupakan warisan budaya UNESCO yang memiliki keragaman motif unik, namun tingginya kompleksitas visual sering kali menyulitkan identifikasi secara manual. Penelitian ini bertujuan untuk mengimplementasikan serta mengevaluasi performa model ResNet-18 dengan integrasi Squeeze-and-Excitation (SE) block untuk klasifikasi tiga motif batik, yaitu Kawung, Parang, dan Truntum. Metode penelitian ini menggunakan dataset sebanyak 685 citra yang diseimbangkan dan diperbanyak menjadi 1074 data dengan teknik augmentasi (rotation, saturation, dan jittering).  Model yang digunakan adalah ResNet-18 pre-trained dari ImageNet 1k, serta menggunakan Adam Optimizer. Hasil pengujian menunjukkan bahwa integrasi SE block pada ResNet-18 menunjukkan kecenderungan peningkatan performa klasifikasi sebesar 1% dibandingkan model baseline dengan capaian akurasi tertinggi 98%, dan model dengan SE block dengan capaian accuracy, precision, recall, dan F1-score sebesar 99%. Penambahan komponen SE block terbukti memberikan stabilitas pada proses pelatihan serta kemampuan generalisasi fitur yang lebih konsisten dibandingkan model tanpa attention mechanism