Na'im, Ainun (2023) Klasifikasi motif batik Malang berdasarkan nilai ekstraksi fitur tekstur dengan algoritma k-nearest neighbor (K-NN) / Ainun Na'im</p>. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Batik adalah salah satu warisan kebudayaan dari bangsa Indonesia yang eksistensinya tetap bertahan hingga saat ini. Berbagai daerah di Indonesia memiliki ragam motif dan corak yang berbeda sesuai ciri kebudayaan masing-masing. Daerah Malang merupakan daerah yang memiliki industri kerajinan batik. Adanya beragam motif batik di wilayah Malang dapat mengakibatkan konsumen batik malang mengalami kesulitan dalam menentukan jenis motif yang dibeli. Dalam hal ini akan dilakukan penegembangan model kalisifikasi citra motif batik wilayah Malang menggunakan algoritma K-Nearest Neighbor (K-NN). Metode K-Nearest Neighbor (K-NN) dinilai dapat mengklasifikasi data dalam jumlah besar sehingga dianggap sesuai untuk klasifikasi jumlah motif batik yang beragam. Algoritma ini tidak dapat bekerja dengan input data citra secara langsung sehingga memerlukan proses preprocessing untuk mendapatkan data numerik pada citra. Metode preprocessing yang digunakan adalah metode ekstraksi Gray Level Co-Occurrence Matrix (GLCM). Hasil ekstraksi fitur yang akan diklasifikasi meliputi nilai Angular Second Moment (ASM) Inverse Different Moment (IDM) Contras Entropy dan Correlation. Metode ini digunakan untuk mendapatkan nilai tekstur dari motif batik karena tidak terpengaruh adanya proses rotasi citra. Pendekatan algoritma dan metode ekstraksi sejenis telah dilakukan percobaan oleh Kusumawati dkk. (2020) dan diperoleh hasil akurasi klasifikasi motif batik kudus dengan jumlah citra training sebanyak 700 dan 560 sebagai citra testing pada data ekstraksi dengan akurasi tertinggi bernilai 97% pada parameter k 1 dan akurasi terendah pada parameter k 7 bernilai 91%. Setelah dilakukan penelitian dapat diketahui bahwa algoritma K-Nearest Neighbor dapat digunakan untuk melakukan klasifikasi motif batik malang dengan metode ekstraksi fitur Grey Level Co-occurrence Matrix. Perubahan nilai fold 10 20 dan 30 tidak mempengaruhi kinerja algoritma. Akurasi terbaik dari hasil klasifikasi adalah sebesar 76.79% pada saat training dan dengan nilai k 3 dan skenario pemotongan citra sebanyak 25 bagian. Setelah dilakukan testing diperoleh akurasi sebesar 59.09%. Dengan adanya penelitian ini diharapkan dapat menjadi sistem klasifikasi yang memudahkan konsumen batik dalam mengenali motif batik dari daerah Malang.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 17 Feb 2023 04:29 |
| Last Modified: | 05 Apr 2023 02:30 |
| URI: | http://repository.um.ac.id/id/eprint/273336 |
Actions (login required)
 |
View Item |