ANALISIS PENGARUH AUGMENTASI DATA PADA ARSITEKTUR CNN DAN VISION TRANSFORMER UNTUK KLASIFIKASI MOTIF BATIK

Abstract

Klasifikasi citra Batik Nitik termasuk kategori Fine Grained Visual Classification (FGVC) karena tingginya kemiripan visual pada 60 kelas motifnya. Tantangan utama dalam klasifikasi ini adalah keterbatasan dataset orisinal yang hanya berjumlah 960 citra, sehingga sangat menyulitkan arsitektur Vision Transformer (ViT) yang memiliki karakteristik data hungry. Penelitian ini bertujuan menganalisis pengaruh augmentasi data terhadap kinerja Convolutional Neural Network (CNN) dan ViT dalam mengenali motif tersebut. Metode yang diusulkan adalah strategi Augmentasi Dua Tahap (ekspansi luring menjadi 9.600 citra dipadukan manipulasi spasial on the fly) dengan pengujian melalui Skenario 1 (Augmentasi Standar) dan Skenario 2 (Augmentasi Dua Tahap). Hasil pengujian Skenario 1 menunjukkan CNN gagal belajar (akurasi 1,67%) dan ViT mengalami underfitting (31,11%). Penerapan Skenario 2 berhasil meningkatkan akurasi CNN menjadi 63,44% yang tertahan oleh batas arsitekturalnya, sementara ViT mendominasi secara mutlak di angka 97,40%. Disimpulkan bahwa mekanisme self attention ViT lebih tangguh dari filter konvolusi CNN untuk FGVC, dengan prasyarat mutlak ketersediaan augmentasi data berskala masif.