@phdthesis{katalog2580,
           month = {July},
          school = {Universitas Kristen Duta Wacana},
          author = {ERIKA SETYAWATI HARTONO 71110072},
            year = {2015},
           title = {KLASIFIKASI MOTIF BATIK BERBASIS REPRESENTASI BENTUK DENGAN METODE WAVELET DAUBECHIES},
        keywords = {Batik, Wavelet Daubechies, K Nearest Neighbor},
        abstract = {Batik adalah salah satu budaya Indonesia yang terkenal dengan pola dan corak tradisionalnya. Batik mempunyai motif yang beraneka ragam sehingga masyarakat mengalami kesulitan untuk mengenali motif batik tersebut. Pada penelitian ini, motif batik akan diklasifikasikan untuk mempermudah pengenalannya. Motif batik yang akan digunakan adalah motif batik yang berasal dari Yogyakarta yaitu motif batik ceplok, nitik, parang, dan semen. Proses ini dilakukan dengan menggunakan metode Wavelet Daubechies orde 4 untuk ekstraksi fitur dan K Nearest Neighbor untuk klasifikasinya. Ekstraksi fitur yang digunakan adalah fitur energi pada citra. Pengujian dilakukan dengan mengubah level dekomposisi dan nilai k untuk melihat hasil akurasinya. Hasil penelitian menunjukkan bahwa Wavelet Daubechies orde 4 level 2 dengan akurasi 60,625\% adalah metode yang lebih baik untuk mengklasifikasikan motif batik.},
             url = {https://katalog.ukdw.ac.id/2580/}
}