Komparasi Model CNN untuk Klasifikasi Citra Pakaian Adat Tradisional Indonesia

Authors

  • Muhamad Septian Nugraha Universitas Universitas Esa Unggul, Jakarta, Indonesia
  • Hani Dewi Ariessanti Universitas Universitas Esa Unggul, Jakarta, Indonesia
  • Habibullah Akbar Universitas Universitas Esa Unggul, Jakarta, Indonesia

DOI:

https://doi.org/10.38035/jim.v4i4.1245

Keywords:

CNN, YOLOv8, Pakaian Tradisional, Klasifikasi Gambar, Pembelajaran Mesin

Abstract

Kemajuan teknologi, khususnya di industri fesyen, telah mendorong munculnya fenomena fesyen cepat (fast fashion), yaitu produksi pakaian yang cepat dan massal dalam siklus pendek. Indonesia juga kaya akan warisan budaya, termasuk pakaian adat yang mencerminkan identitas setiap suku dan daerah. Generasi muda, sebagai target utama fesyen cepat, menghadapi tantangan untuk mengenali dan melestarikan warisan budaya ini di tengah maraknya tren pakaian modern. Salah satu cara untuk memperkenalkan kembali pakaian adat adalah melalui klasifikasi citra yang memanfaatkan metode Convolutional Neural Network (CNN) dalam pembelajaran mesin. Model klasifikasi ini dapat diimplementasikan pada platform digital seperti aplikasi atau situs web yang interaktif dan mudah diakses. Penelitian ini bertujuan untuk mengembangkan dan membandingkan empat arsitektur CNN untuk klasifikasi citra pakaian adat: Custom CNN (3 Conv Layer), ResNet-50, MobileNetV2, dan YOLOv8. Pendekatan yang digunakan bersifat eksperimental, dengan fokus pada evaluasi kinerja model berdasarkan tingkat akurasi. Hasil eksperimen menunjukkan bahwa YOLOv8 memberikan hasil terbaik, dengan akurasi mencapai 100% pada epoch ke-30 dan ke-50. Model ResNet-50 berada di posisi kedua dengan akurasi 99% pada epoch ke-50. Sementara itu, MobileNetV2 mencapai akurasi 85%, dan CNN Custom mencapai akurasi maksimum 79%. Temuan ini menunjukkan bahwa YOLOv8 merupakan arsitektur yang unggul untuk tugas mengklasifikasikan citra pakaian adat Indonesia.

References

Adinata, A. R., Rohana, T., Baihaqi, K. A., & Faisal, S. (2024). Implementasi Algoritma Convolutional Neural Network dan YOLOV8 Untuk Klasifikasi Ras Kucing. Building of Informatics, Technology and Science (BITS), 6(3), 1658–1667. https://doi.org/10.47065/bits.v6i3.5913

Andarsyah, R., & Yanuar, A. (2024). SENTIMEN ANALISIS APLIKASI POSAJA PADA GOOGLE PLAYSTORE UNTUK PENINGKATAN POSPAY SUPERAPP MENGGUNAKAN SUPPORT VECTOR MEACHINE. In Jurnal Teknik Informatika (Vol. 16, Issue 2).

ANHAR, A., & PUTRA, R. A. (2023). Perancangan dan Implementasi Self-Checkout System pada Toko Ritel menggunakan Convolutional Neural Network (CNN). ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 11(2), 466. https://doi.org/10.26760/elkomika.v11i2.466

Basiroen, V. J., Wahidiyat, M. P., & Kalinemas, A. (n.d.). DAMPAK LINGKUNGAN DARI FAST FASHION: MENINGKATKAN KESADARAN DI KALANGAN MILENIAL MELALUI MEDIA SOSIAL.

Bowo, T. A., Syaputra, H., & Akbar, M. (2020). Penerapan Algoritma Convolutional Neural Network Untuk Klasifikasi Motif Citra Batik Solo. In Journal of Software Engineering Ampera (Vol. 1, Issue 2). https://journal-computing.org/index.php/journal-sea/index

Dianda, N., Rachman, A. S., & Yadnya, S. (2025). Identifikasi Citra Motif Kain Tenun Sumbawa (Kre Alang) Menggunakan Metode Convolutional Neural Network Arsitektur MobileNetV2. Journal of Information System Research, 6(2), 1225–1234. https://doi.org/10.47065/josh.v6i2.6774

Dita Apriliyani, Rufaidah Kamilia Ahsani, Danda Aditya, & Muhammad Dearil Ardiansyah. (2023). Analisis Wawasan Mahasiswa Terhadap Baju Adat Yang Ada Di Indonesia. Jurnal Arjuna?: Publikasi Ilmu Pendidikan, Bahasa Dan Matematika, 2(1), 202–220. https://doi.org/10.61132/arjuna.v2i1.491

Faiz Nashrullah, Suryo Adhi Wibowo, & Gelar Budiman. (2020). The Investigation of Epoch Parameters in ResNet-50 Architecture for Pornographic Classification. Journal of Computer, Electronic, and Telecommunication, 1(1). https://doi.org/10.52435/complete.v1i1.51

Firliyana, N., & Afria, R. (2023). Titian: Jurnal Ilmu Humaniora Nur Firliyana, Rengki Afria, Fardinal: Nilai-Nilai Kultural dalam Pakaian Adat Perempuan Pada Masyarakat Melayu di Kawasan Seberang Kota Jambi Kajian Etnolinguistik Nilai-Nilai Kultural dalam Pakaian Adat Perempuan Pada Masyarakat Melayu di Kawasan Seberang Kota Jambi Kajian Etnolinguistik Cultural Values in Women’s Traditional Clothing of Seberang Jambi City Etnolinguistic Study. 07(02). https://online-journal.unja.ac.id/index.php/titian

Riziq sirfatullah Alfarizi, M., Zidan Al-farish, M., Taufiqurrahman, M., Ardiansah, G., & Elgar, M. (2023). PENGGUNAAN PYTHON SEBAGAI BAHASA PEMROGRAMAN UNTUK MACHINE LEARNING DAN DEEP LEARNING. In Karimah Tauhid (Vol. 2, Issue 1).

Sakinah, N., & Nanda, M. (n.d.). Trend Fashion di Kalangan Mahasiswa-Mahasiswi Universitas Negeri Surabaya. In Universitas Negeri Surabaya (Vol. 2022).

Setya Nugraha, R., & Hermawan, A. (2023). OPTIMASI AKURASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI KUALITAS BUAH APEL HIJAU. In Jurnal MNEMONIC (Vol. 6, Issue 2).

Suradiradja, K. H., & Nano, K. (2024). Perbandingan Model Deep Learning Untuk Prediksi Klasifikasi Jenis Batik. InComTech?: Jurnal Telekomunikasi Dan Komputer, 14(2), 98. https://doi.org/10.22441/incomtech.v14i2.19651

Downloads

Published

2025-10-24

How to Cite

Muhamad Septian Nugraha, Hani Dewi Ariessanti, & Habibullah Akbar. (2025). Komparasi Model CNN untuk Klasifikasi Citra Pakaian Adat Tradisional Indonesia. Jurnal Ilmu Multidisiplin, 4(4), 2404–2416. https://doi.org/10.38035/jim.v4i4.1245

Issue

Vol. 4 No. 4 (2025): Jurnal Ilmu Multidisplin (Oktober - November 2025)

Section

Articles

License

Copyright (c) 2025 Muhamad Septian Nugraha, Hani Dewi Ariessanti, Habibullah Akbar

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

You are free to:

  • Share— copy and redistribute the material in any medium or format
  • Adapt— remix, transform, and build upon the material for any purpose, even commercially.

The licensor cannot revoke these freedoms as long as you follow the license terms.

Under the following terms:

  • Attribution— You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
  • No additional restrictions— You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.

Notices:

  • You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
  • No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rightsmay limit how you use the material.