Klasifikasi Motif Batik Menggunakan K-Nearest Neighbors Berdasarkan Gray Level Co-occurrence Matrix (GLCM)

Windartik, Dania Putri (2024) Klasifikasi Motif Batik Menggunakan K-Nearest Neighbors Berdasarkan Gray Level Co-occurrence Matrix (GLCM). Undergraduate thesis, Politeknik Negeri Jember.

	Text (Abstract) Abstract.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (1MB)
	Text (Bab 1. Pendahuluan) Bab 1. Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (2MB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (2MB)
	Text (Laporan Lengkap) Laporan Lengkap.pdf - Submitted Version Restricted to Registered users only Download (4MB) | Request a copy

Abstract

Batik adalah seni tekstil tradisional Indonesia yang diakui oleh UNESCO sebagai warisan budaya tak benda pada 2 Oktober 2009 dan memiliki hubungan erat dengan adat istiadat serta budaya dari berbagai wilayah di Indonesia. Kreativitas para pengrajin batik terus berkembang, sehingga banyak motif baru yang sering sulit dikenali oleh masyarakat. Untuk membantu mengidentifikasi motif batik khas Jember diperlukan teknologi pengolahan citra digital. Penelitian ini menggunakan metode Gray Level Co-Occurrence Matrix (GLCM) untuk ekstraksi citra dengan parameter ASM, Kontras, IDM, Entropi, dan Korelasi berdasarkan empat orientasi sudut 0°, 45°, 90°, dan 135°. Metode klasifikasi yang digunakan adalah K-Nearest Neighbors (KNN) dengan 480 citra yang telah dilakukan berbagai perbandingan data latih dan data uji yaitu, 90:10, 80:20, 70:30, 60:40, dan 50:50. Hasil pengujian menunjukkan akurasi tertinggi sebesar 96,84% diperoleh dari perbandingan data 80:20 dengan nilai K=9.

Actions (login required)

View Item