Klasifikasi Citra Produk Font Menggunakan Convolution Neural Network

Abstract

Pada dunia desain grafis, jenis font merupakan satu kesatuan yang sangat penting dalam menciptakan karya yang tidak hanya menarik secara visual, tetapi juga mampu meningkatkan nilai estetika dan komunikasi pesan. Banyak sekali jenis font yang tersedia di berbagai website atau platform digital yang dapat diunduh dengan mudah, baik secara gratis maupun dengan cara berbayar. Di era digital saat ini, perkembangan dan kemajuan teknologi semakin mendukung serta mempermudah para desainer grafis atau komunikasi visual dalam menciptakan desain font sebagai bagian dari karya mereka. Selain itu, desain grafis juga memegang peranan penting dalam pembuatan logo, yang memerlukan proses eksplorasi dan pemilihan yang cermat agar sesuai dengan identitas visual suatu merk. Namun, dengan banyaknya jenis dan gaya font yang tersedia, seringkali perencana visual dan teknisi frontend menghadapi tantangan yang menimbulkan masalah dalam mengenali dan memilih gaya teks yang tepat untuk setiap proyek desain. Oleh karena itu, dibutuhkan sebuah sistem yang mampu membantu dalam proses identifikasi dan klasifikasi font secara otomatis dan efisien. Tujuan dari penelitian ini adalah untuk mengembangkan sebuah model Convolutional Neural Network (CNN) yang dapat digunakan untuk klasifikasi gambar produk font secara otomatis. Penelitian ini menggunakan data kuantitatif yang dikumpulkan melalui proses eksperimen awal. Setelah dilakukan pengujian, hasil menunjukkan bahwa penggunaan optimizer Adam menghasilkan akurasi klasifikasi yang tinggi, mencapai 96.77%. Dengan demikian, implementasi CNN terbukti efektif dalam mengklasifikasikan produk font, yang dapat membantu para desainer grafis dalam membuat keputusan yang lebih cepat dan tepat terkait pemilihan font. Hal ini diharapkan dapat meningkatkan produktivitas serta kualitas hasil desain grafis secara keseluruhan, sekaligus meminimalkan kesalahan pemilihan jenis font.
Kata kunci: Produk Font; Convolutional Neural Network; Klasifikasi
Abstract
In the world of graphic design, font types are a very important unit in creating works that are not only visually appealing, but also able to increase the aesthetic value and communication of messages. There are many types of fonts available on various websites or digital platforms that can be easily downloaded, either for free or for a fee. In today's digital era, the development and advancement of technology increasingly support and facilitate graphic designers or visual communication in creating font designs as part of their work. In addition, graphic design also plays an important role in creating logos, which require a careful exploration and selection process to match the visual identity of a brand. However, with the many types and styles of fonts available, visual planners and frontend technicians often face challenges that cause problems in recognizing and choosing the right text style for each design project. Therefore, a system is needed that can assist in the process of identifying and classifying fonts automatically and efficiently. The purpose of this study is to develop a Convolutional Neural Network (CNN) model that can be used for automatic classification of font product images. This study uses quantitative data collected through an initial experimental process. After testing, the results showed that the use of the Adam optimizer produced high classification accuracy, reaching 96.77%. Thus, the implementation of CNN has proven effective in classifying font products, which can help graphic designers make faster and more accurate decisions regarding font selection. This is expected to increase productivity and the overall quality of graphic design results, while minimizing errors in selecting font types.