Klasifikasi Citra Produk Font Menggunakan Convolution Neural Network

Muhammad Nasihin; Supatman Supatman

doi:10.53863/kst.v7i02.1293

Penulis

Muhammad Nasihin Universitas Mercu Buana Yogyakarta, Indonesia
Supatman Supatman Universitas Mercu Buana Yogyakarta, Indonesia

DOI:

https://doi.org/10.53863/kst.v7i02.1293

Kata Kunci:

Produk Font; Convolutional Neural Network; Klasifikasi

Abstrak

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.

Referensi

Amri, I. (2024). Implementasi algoritma convolutional neural network untuk menerjemahkan bahasa isyarat. Jurnal Multidisiplin Saintek, 75.

Arya Prayoga, M. P. (2023). Arsitektur convolutional neural network untuk model klasifikasi citra batik Yogyakarta. Journal of Applied Computer Science and Technology (JACOST), 82.

Atmaja, B. (2022). Identifikasi jenis font pada gambar dengan menggunakan metode convolutional neural network (CNN). Jurnal UISI, 1–2.

Dewi, N. N., Udayana, S. G., & Swendra, C. G. (2022). Perancangan font dan desain preview font Two Hand di Alit Desain Studio. Jurnal Institut Seni Indonesia Denpasar, 2.

Herdianto, D. N. (2022). Klasifikasi objek menggunakan metode convolutional neural network (CNN). Jurnal Prosiding SNASTIKOM, 332.

Handayani, I. E., & Anindita, D. A. (2023). Klasifikasi penyakit antraknosa pada cabai merah Teropong “Inko Hot” dengan metode convolutional neural network. Jurnal SINTECH, 80.

Fahmi, M., & Yusro, A. (2023). Pemilahan sampah menggunakan model klasifikasi support vector machine gabungan dengan convolutional neural network. JURIKOM (Jurnal Riset Komputer), 78.

Setiono, M., & Supatman. (2024). Klasifikasi penyakit antraknosa citra cabai rawit dengan metode convolutional neural network (CNN). Jurnal Teknik Informatika dan Sistem Informasi, 308.

Santoni, M. M., & Nugroho, N. C. (2021). Penerapan convolutional neural network untuk mesin penerjemah bahasa daerah Minangkabau berbasis gambar. Jurnal RESTI, 1153.

Saryanto, U. A. (2021). Kajian karakterisasi jenis huruf Avenir dan kaitannya dengan tingkat keterbacaan. Jurnal Dimensi, 76–78.

Setiono, M., & Supatman. (2024). Klasifikasi penyakit antraknosa citra cabai rawit dengan metode convolutional neural network (CNN). Jurnal Teknik Informatika dan Sistem Informasi, 309.

Sinaga, M. H., Albira, M., & Sidiq, M. F. (2024). Klasifikasi gambar pemandangan dengan kecerdasan buatan berbasis CNN. Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), 413–414.

Wulandari, I., Yasin, H., & Widiharih, T. (2020). Klasifikasi citra digital bumbu dan rempah dengan algoritma convolutional neural network (CNN). Jurnal Gaussian, 277.