ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI KAIN BATIK KALIMANTAN TIMUR
Hadirnya teknologi komputer telah membantu menyelesaikan berbagai persoalan di berbagai bidang salah satunya di bidang industri garmen. Secara umum Batik Kalimantan Timur termasuk dalam ragam ornamen hias nusantara yang terdiri atas Motif hias geometris, Motif hias manusia, dan Motif hias hewan/binatang. Tujuan diterapkan teknik pengolahan citra untuk klasifikasi Kain Batik Kalimantan Timur adalah untuk membedakan setiap jenis motif Batik Kalimantan Timur. Tahapan utama yang dilakukan dalam penelitian meliputi resize citra, pre-processing, deteksi tepi, ekstraksi fitur dan klasifikasi. pre-processing yang digunakan pada sistem ini berupa konversi ruang warna grayscale dan histogram equalization. deteksi tepi yang digunakan pada sistem ini menggunakan operator canny. Ekstraksi fitur yang digunakan meliputi fitur warna Color Moments , fitur bentukt, dan fitur tekstur Gray Level Co-occurence Matrix (GLCM). Algoritma klasifikasi menggunakan Algoritma K-Nearest Neighbor (KNN) dengan metode Euclidian dan Manhattan Distance. Data yang digunakan 400 data citra terdiri dari 280 data citra latih dan 120 data citra uji. Hasil pengujian mendapatkan akurasi tertinggi dari metode Euclidian dan Manhattan sebesar 100% pada jarak k=1, sedangkan akurasi terendah terdapat pada metode Euclidian yaitu sebesar 92,5% pada akurasi k=11.
Ketersediaan
Detail Information
Judul | ALGORITMA K-NEAREST NEIGHBOR UNTUK KLASIFIKASI KAIN BATIK KALIMANTAN TIMUR |
---|---|
Pengarang | MUHAMMAD TAUFIK - Personal Name |
No. Panggil | SKRIPSI MUH a 2022 |
Subyek | Batik, Pre-Processing, Color Moments, GLCM, KNN |
Bahasa | Indonesia |
Tempat Terbit | Universitas Mulawarman |
Tahun Terbit | 2022 |
Penerbit | Fakultas Teknik |
Jurusan | Informatika |
Lampiran Berkas | LOADING LIST... |
DIGITAL LIBRARY