Deteksi Marker Augmented Reality dalam Pengenalan Batik Kalimantan Timur menggunakan Algoritma Convolutional Neural Networks (CNNs)

MUHAMMAD IBNU SA'AD; HENY PRATIWI

doi:10.26760/mindjournal.v9i1.89-98

Deteksi Marker Augmented Reality dalam Pengenalan Batik Kalimantan Timur menggunakan Algoritma Convolutional Neural Networks (CNNs)

MUHAMMAD IBNU SA'AD, HENY PRATIWI

Sari

Abstrak

Multimedia dan kecerdasan buatan saat ini masih menjadi trend dalam dunia pendidikan, wirausaha, industri, teknologi kedokteran, dan bidang lainnya. Salah satu perkembangan teknologi computer vision adalah Augmented Reality. Augmented reality merupakan teknologi yang menggabungkan antara dunia nyata dan dunia maya dengan menggunakan marker sebagai target objek 3D yang akan ditampilkan. Algoritma Convolutional Neural Network, sebagai pendukung dalam penelitian ini yang bertujuan untuk mengukur keakuratan marker motif batik kalimantan timur. Metode yang digunakan pada penelitian ini adalah marker based tracking untuk melacak penanda visual. Hasil pengujian dengan 100 data marker dengan rasio 80:20 marker motif batik Kalimantan Timur menunjukan akurasi terbaik yaitu sebesar 0,9092, dan rata-rata akurasi keseluruhan dari epoch 1 sampai epoch 20 yaitu sebesar 0,90237. Hasil akhir pengujian marker dan objek 3D Augmented Reality.

Kata kunci: multimedia, kecerdasan buatan, augmented reality,convolutional neural networks

AbstractMultimedia and artificial intelligence are currently still a trend in the world of education, entrepreneurship, industry, medical technology and other fields. One of the developments in computer vision technology is Augmented Reality. Augmented reality is a technology that combines the real world and the virtual world by using markers as targets for the 3D objects to be displayed. The Convolutional Neural Network algorithm, as support in this research, aims to measure the accuracy of East Kalimantan batik motif markers. The method used in this research is marker based tracking to track visual markers. The test results with 100 marker data with a ratio of 80:20 for East Kalimantan batik motif markers showed the best accuracy, namely 0.9092, and the overall average accuracy from epoch 1 to epoch 20 was 0.90237. Final results of testing markers and 3D Augmented Reality objects.

Keywords: multimedia, artificial intelligence, augmented reality, convolutional neuralnetworks

Teks Lengkap:

PDF

Referensi

Achmad, Y., Wihandika, R. C., & Dewi, C. (2019). Klasifikasi emosi berdasarkan ciri wajah wenggunakan convolutional neural network. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(11), 10595–10604.

Bariyah, T., Arif Rasyidi, M., & Ngatini. (2021). Convolutional Neural Network Untuk Metode Klasifikasi Multi-Label Pada Motif Batik Convolutional Neural Network for Multi-Label Batik Pattern Classification Method. Februari, 20(1), 155–165.

Billinghurst, M., Clark, A., & Lee, G. (2014). A survey of augmented reality. Foundations and Trends in Human-Computer Interaction, 8(2–3), 73–272. https://doi.org/10.1561/1100000049

Rahim, A., Kusrini, K., & Luthfi, E. T. (2020). Convolutional Neural Network untuk Kalasifikasi Penggunaan Masker. Inspiration: Jurnal Teknologi Informasi Dan Komunikasi, 10(2), 109. https://doi.org/10.35585/inspir.v10i2.2569

Satria, B., & Prihandoko, P. (2018). Implementasi Metode Marker Based Tracking Pada Aplikasi Bangun Ruang Berbasis Augmented Reality. Sebatik, 19(1), 1–5. https://doi.org/10.46984/sebatik.v19i1.88

Saurina, N. (2016). Pengembangan Media Pembelajaran Untuk Anak Usia Dini Menggunakan Augmented Reality. Jurnal IPTEK, 20(1), 95. https://doi.org/10.31284/j.iptek.2016.v20i1.27

Saxena, A. (2022). An Introduction to Convolutional Neural Networks. International Journal for Research in Applied Science and Engineering Technology, 10(12), 943–947. https://doi.org/10.22214/ijraset.2022.47789

Technology, I. (2020). Implementation of Marker Based Tracking Method in the Interactive Media of Traditional Clothes Knowledge-Based on Augmented Reality 360. Journal of Computer Science, Information Technology and Telecommunication Engineering, 1(2), 37–43. https://doi.org/10.30596/jcositte.v1i2.4501

Fatha Pringgar, R., & Sujatmiko, B. (2020). Penelitian Kepustakaan (Library Research) Modul Pembelajaran Berbasis Augmented Reality pada Pembelajaran Siswa. Jurnal IT-EDU, 05(01), 317–329.

Kattenborn, T., Leitloff, J., Schiefer, F., & Hinz, S. (2021). Review on Convolutional Neural Networks (CNN) in vegetation remote sensing. ISPRS Journal of Photogrammetry and Remote Sensing, 173(November 2020), 24–49. https://doi.org/10.1016/j.isprsjprs.2020.12.010

Pentenrieder, K., Meier, P., & Klinker, G. (2006). Analysis of Tracking Accuracy for Single-Camera Square-Marker-Based Tracking. Proc. Dritter Workshop Virtuelle Und Erweiterte Realität Der GI-Fachgruppe VR/AR, August 2016, 15. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.134.2719&rep=rep1&type=pdf

Satria, B., & Prihandoko, P. (2018). Implementasi Metode Marker Based Tracking Pada Aplikasi Bangun Ruang Berbasis Augmented Reality. Sebatik, 19(1), 1–5. https://doi.org/10.46984/sebatik.v19i1.88

Saurina, N. (2016). Pengembangan Media Pembelajaran Untuk Anak Usia Dini Menggunakan Augmented Reality. Jurnal IPTEK, 20(1), 95. https://doi.org/10.31284/j.iptek.2016.v20i1.27

DOI: https://doi.org/10.26760/mindjournal.v9i1.89-98