@thesis{thesis,
		author={Dewi  Ika Puspita},
		title ={Identifikasi budaya tradisional melalui pakaian adat Jawa Yogyakarta dan Jawa Solo dengan Convolutional Neural Network (CNN)},
		year={2024},
		url={http://eprints.uad.ac.id/64942/},
		abstract={Salah satu budaya tradisional Indonesia adalah pakaian adat. Setiap daerah di Indonesia,
pakaian adat memiliki ciri khas masing- masing, dimana merupakan sebagai identitas dari masingmasing daerah tersebut. Setiap pakaian adat memiliki ciri khas tersendiri tetapi di Indonesia 
banyak pakaian adat yang memiliki kemiripan yang sedikit sulit untuk diidentifikasi berdasarkan 
sekilas mata seperti atasan, bawahan dan aksesoris pada pakaian adat jawa Yogyakarta dengan 
Jawa Solo. Tujuan penelitian ini adalah mengidentifikasi budaya tradisional melalui pakaian adat 
yaitu adat Jawa Yogyakarta dan Jawa Solo berdasarkan pakaiannya dengan atasan, bawahan dan 
aksesoris blangkon. Dari penelitian ini diharapkan bisa membantu masyarakat dalam mengenali 
pakaian adat Jawa Yogyakarta dan Jawa Solo.
Identifikasi ini dilakukan dengan metode Convolution Neural Network (CNN) arsitektur 
MobileNet dengan melakukan ekstraksi fitur dan klasifikasi objek pada suatu gambar meliputi 
input data citra, menampilkan data citra, melakukan training, load data menggunakan model 
CNN dengan arsitektur MobileNet, pengujian model menampilkan output hasil nilai klasifikasi 
serta akurasi CNN. Implementasi dari perancangan sistem menggunakan Bahasa pemrograman 
python. Pengujian dilakukan dengan menggunakan confusion matriks.
Hasil dari penelitian ini berupa sistem yang mampu mengidentifikasi pakaian adat Jawa 
Yogyakarta dan Jawa Solo. Hal ini dengan dilakukan pengujian sebanyak 78 data testing, masingmasing kelas berisi 39 data testing berupa pakaian adat Jawa Yogyakarta dan pakaian adat Jawa 
Solo. Pengujian yang dilakukan pada penelitian ini dengan epoch 100 mendapatkan akurasi
confusion matriks sebesar 56%. Hasil tersebut masih lebih baik dibandingkan penggunaan epoch
80 dan 90 meskipun masih terjadi overfitting.}
		}