KLASIFIKASI CITRA ALAT MUSIK TRADISIONAL PULAU JAWA BERBASIS DEEP LEARNING MENGGUNAKAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK

Abstract

Alat musik tradisional Indonesia merupakan bagian penting dari warisan budaya, namun mulai kehilangan eksistensi, terutama di kalangan generasi Z. Kurangnya pengetahuan, informasi terbatas, dan kesulitan wisatawan dalam mengenali alat musik ini menjadi tantangan utama. Penelitian ini bertujuan memperkenalkan alat musik tradisional kepada masyarakat, mempertahankan eksistensinya, serta mempermudah identifikasi dan akses informasi. Pendekatan CRISP-DM digunakan dalam analisis data, dengan metode Convolutional Neural Network (CNN) berbasis arsitektur MobileNetV2 untuk klasifikasi citra. Model yang dikembangkan mencapai akurasi pelatihan 99,30% dan validasi 99,82%, dengan dukungan preprocessing seperti normalisasi, augmentasi, dan pembagian data yang efektif mengurangi overfitting. Model ini diimplementasikan dalam aplikasi mobile interaktif yang memungkinkan pengguna mengenali alat musik tradisional secara mudah. Aplikasi ini berpotensi menjadi sarana edukasi dan pelestarian budaya di sekolah, museum, dan sektor pariwisata.