%K Batik Geometris, Batik Non Geometris, Connected Component
Labeling, Form Factor, Solidity, Presentase Area, Klasifikasi K-Nearest Neighbor, Preprocessing.
%T KLASIFIKASI BATIK GEOMETRIS DAN NON GEOMETRIS MENGGUNAKAN K NEAREST NEIGHBOR
%L katalog2876
%D 2016
%A EVELIN FANNY LARISSA 71120077
%X Batik adalah salah satu budaya Indonesia yang memiliki berbagai aneka macam motif, dengan demikian akan semakin banyak waktu yang dibutuhkan untuk melakukan pengklasifikasian secara manual. Selain itu batik juga mempunyai berbagai macam motif yang cukup banyak dan variasi yang sulit untuk dikenali. Pada penelitian ini, batik akan diklasifikasikan untuk menentukan jenis motif batik. Penulis menggunakan metode klasifikasi K-Nearest Neighbor dengan menggunakan nilai ekstraksi ciri Form Factor,
Solidity dan Presentase Area. Pengujian dilakukan dengan melakukan preprocessing dan merubah nilai k untuk melihat hasil akurasinya. Akurasi K-Nearest Neighbor dengan Ekstraksi Ciri Presentase Area memiliki nilai rata-rata yang paling tinggi dengan motif buketan sebesar 92.5 % dan motif semen 75.75%. Nilai K yang memiliki hasil nilai rata-rata yang cukup bagus, dengan presentase akurasi paling tinggi sebesar 61,96 dengan K=20 dan memiliki presentase akurasi paling rendah sebesar 56,16 dengan K=10.
%I Universitas Kristen Duta Wacana