Klasifikasi Patung Dewa dan Dewi dengan Support Vector Machine Menggunakan Ekstraksi Fitur BoVW dan CNN

Komang Budiarta; Gede Herdian  Setiawan; Rosalia Hadi; Ketut Gus Oka Ciptahadi; I Gusti Ngurah Ady Kusuma

Authors

Komang Budiarta Intitut Teknologi dan Bisnis STIKOM Bali
Gede Herdian Setiawan Intitut Teknologi dan Bisnis STIKOM Bali
Rosalia Hadi Intitut Teknologi dan Bisnis STIKOM Bali
Ketut Gus Oka Ciptahadi Intitut Teknologi dan Bisnis STIKOM Bali
I Gusti Ngurah Ady Kusuma Intitut Teknologi dan Bisnis STIKOM Bali

Keywords:

Visi Komputer, Objek Warisan Budaya, Pengenalan Objek, SVM

Abstract

Patung dewa dan dewi dalam tradisi Hindu Bali memiliki keragaman bentuk dan detail visual yang tinggi, sehingga menimbulkan tantangan dalam proses pengenalan dan klasifikasi citra digital. Perbedaan karakteristik visual antar patung mendorong perlunya metode ekstraksi fitur yang mampu merepresentasikan informasi citra secara optimal. Penelitian ini bertujuan membandingkan kinerja ekstraksi fitur Bag of Visual Words (BoVW) dan Convolutional Neural Network (CNN) pada klasifikasi citra patung dewa dan dewi menggunakan Support Vector Machine (SVM). Dataset terdiri dari 150 citra patung yang dibagi menjadi data latih dan data uji. Proses penelitian meliputi preprocessing citra, ekstraksi fitur menggunakan BoVW dan CNN, serta klasifikasi menggunakan SVM. Evaluasi performa dilakukan menggunakan metrik akurasi, precision, dan recall. Hasil pengujian menunjukkan bahwa kombinasi CNN–SVM mencapai akurasi sebesar 84,44% dengan 38 prediksi benar, lebih tinggi dibandingkan BoVW–SVM yang memperoleh akurasi 77,78% dengan 35 prediksi benar. CNN menunjukkan kemampuan yang lebih baik dalam merepresentasikan fitur visual kompleks, terutama pada kelas Brahma, Ganesha, dan Siwa dengan nilai recall sebesar 88,9%. Namun, kelas Saraswati masih menjadi kelas yang paling sulit dikenali dengan nilai recall 44,4% meskipun memiliki precision yang tinggi. Penelitian ini menyimpulkan bahwa ekstraksi fitur berbasis CNN lebih efektif dibandingkan BoVW dalam mendukung klasifikasi citra patung dewa dan dewi yang memiliki kompleksitas visual tinggi.

Downloads

Download data is not yet available.

References

Y. Huang, K. Inoue, and D. Li, “Pooling-Based Bag of Visual Words for Geographic Image Classification,” Journal of the Institute of Industrial Applications Engineers, vol. 13, no. 1, pp. 1–10, Jan. 2025, doi: 10.12792/jiiae.13.1.

Gina Annisa and Ninuk Wiliani, “Perbandingan Model CNN dan SVM untuk Klasifikasi Jenis Footwear pada Dataset Alas Kaki Berbasis Citra,” Teknomatika: Jurnal Informatika dan Komputer, vol. 18, no. 1, pp. 28–36, Jun. 2025, doi: 10.30989/teknomatika.v18i1.1564.

A. Gusviani, I. Handayani, and U. T. Yogyakarta, “PERBANDINGAN SUPPORT VECTOR MACHINE DAN CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI PENYAKIT DAUN SINGKONG,” Journal of Information Technology and Computer Science (INTECOMS), vol. 8, no. 6, 2025.

Y. I. Royan, P. Pramono, and A. A. K. Asri, “Performance Comparison of Convolutional Neural Networks (CNN) and Support Vector Machine (SVM) Algorithms in Human Face Classification,” G-Tech: Jurnal Teknologi Terapan, vol. 9, no. 3, pp. 1544–1553, Jul. 2025, doi: 10.70609/g-tech.v9i3.7384.

Q. A’yuni and B. Hendrik, “Literature Review: Analisis Komparatif Algoritma CNN, KNN, dan SVM untuk Klasifikasi Penyakit Kelapa Sawit,” Journal of Education Research, vol. 5, no. 4, pp. 6589–6596, 2024.

N. Arifin and C. N. Insani, “Comparative Analysis of CNN, SVM, Decision Tree, Random Forest, and KNN for Maize Leaf Disease Detection Using Color and Texture Feature Extraction,” Jurnal Teknik Informatika (Jutif), vol. 6, no. 5, pp. 3572–3586, Oct. 2025, doi: 10.52436/1.jutif.2025.6.5.5128.

Diah Putri Kartikasari, Fiqri Dian Priyatna Sinaga, Tiara Ayu Triarta Tambak, Zahra Humaira Kudadiri, and M. Khalil Gibran, “Ekstraksi Fitur Citra Grayscale dengan Convolutional Neural Networks,” Jurnal Teknik Informatika dan Teknologi Informasi, vol. 5, no. 1, pp. 198–205, May 2025, doi: 10.55606/jutiti.v5i1.5175.

Ò. Lorente, I. Riera, and A. Rana, “Image Classification with Classic and Deep Learning Techniques,” May 2021, [Online]. Available: http://arxiv.org/abs/2105.04895

S. Vijh, S. Kumar, and M. Saraswat, “New bag-of-feature for histopathology image classification using reinforced cat swarm algorithm and weighted Gaussian mixture modelling,” Complex and Intelligent Systems, vol. 8, no. 6, pp. 5027–5046, Dec. 2022, doi: 10.1007/s40747-022-00726-5.

A. Rehman, S. Saleem, U. G. Khan, S. Jabeen, and M. O. Shafiq, “Scene Recognition by Joint Learning of DNN from Bag of Visual Words and Convolutional DCT Features,” Applied Artificial Intelligence, vol. 35, no. 9, pp. 623–641, 2021, doi: 10.1080/08839514.2021.1881296.

Y. Amrozi, D. Yuliati, A. Susilo, N. Novianto, and R. Ramadhan, “Klasifikasi Jenis Buah Pisang Berdasarkan Citra Warna dengan Metode SVM,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 11, no. 3, pp. 394–399, Dec. 2022, doi: 10.32736/sisfokom.v11i3.1502.

R. Yohanes and M. Ezat Al Rivan, “Klasifikasi Jenis Kanker Kulit Menggunakan CNN - SVM,” Jurnal Algoritme, vol. 2, no. 2, pp. 133–144, 2022.

C. Valarmathi, S. John, and J. Thangaraj, “The Combination of Feature Extraction and Classification by Bag of Visual Words to Detect Breast Cancer for Improved Accuracy,” 2024.

Y. Wang, “Research on Image Classification and Recognition Technology Based on Machine Learning,” Applied Mathematics and Nonlinear Sciences, vol. 9, no. 1, Jan. 2024, doi: 10.2478/amns-2024-1514.

X. Zhao, L. Wang, Y. Zhang, X. Han, M. Deveci, and M. Parmar, “A review of convolutional neural networks in computer vision,” Artif. Intell. Rev., vol. 57, no. 4, Apr. 2024, doi: 10.1007/s10462-024-10721-6.

Mozes Hasian Veltin Sinaga, Muhammad Albirra, and Muhammad Fajar Sidiq, “Klasifikasi Gambar Pemandangan dengan Kecerdasan Buatan Berbasis CNN,” Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), 2024, Accessed: Jan. 30, 2026. [Online]. Available: https://doi.org/10.35870/jti k.v8i2.1424.

A. I. Kushartanto, F. Fauziah, and R. T. Aldisa, “Comparison of CNN and SVM Methods on Web-based Skin Disease Classification Process,” Sinkron : : Jurnal dan Penelitian Teknik Informatika, vol. 8, no. 2, pp. 778–788, Mar. 2024, doi: 10.33395/sinkron.v8i2.13349.

D. Lanro, M. Tambunan, V. Siahaan, O. Dalimunthe, M. T. Ilham, and W. P. Manullang, “Implementasi Klasifikasi Gambar Daun Pepaya dan Daun Sirih Menggunakan Metode Convolution Neural Network (CNN),” Jurnal Sains Dan Teknologi (JSIT), vol. 5, no. 3, pp. 369–377, 2025, doi: 10.47233/jsit.v5i2.3685.