KLASIFIKASI JENIS BATIK SOLO MENGGUNAKAN ALGORITMA MODIFIED K-NEAREST NEIGHBOOR

71150079, Dariel Lambert Wahyudiono (2020) KLASIFIKASI JENIS BATIK SOLO MENGGUNAKAN ALGORITMA MODIFIED K-NEAREST NEIGHBOOR. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71150079_bab1_bab5_daftarpustaka.pdf Download (1MB)
	Text (Skripsi Informatika) 71150079_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (5MB) | Request a copy

Abstract

Batik merupakan kekayaan budaya Indonesia bernilai mutu sangat tinggi. Batik sudah ada sejak jaman dahulu kala dan budaya batik terus-menerus diwariskan dari generasi ke generasi. Setiap daerah di Indonesia mempunyai banyak kebudayaan tersendiri, dan dari situlah juga bahwa setiap daerah mempunyai motif khusus tersendiri di setiap daerah. Kota solo merupakan salah satu kota di Indonesia yang sangat membudidayakan batik dan mempunyai banyak peninggalan sejarah tentang batik dan museum batik. Motif dari batik bisa kita kenali mulai dari segi bentuk dan tekstur. Bentuk dan tekstur dari batik mempunyai begitu banyak macam pola keunikan. Dengan adanya program komputer yang bisa mengenali tekstur dan bentuk dari motif batik, maka motif tersebut akan diketahui. Dengan adanya algoritma klasifikasi sistem dari komputer akan mempunyai kemampuan untuk mendeteksi jenis batik yang bermotif. Salah satu algoritma klasifikasi adalah algoritma MKNN yang merupakan kependekan dari Modified K-nearest neighbor. Proses untuk mengklasifikasikan membutuhkan data latih dan data uji yang akan digunakan. Data yang tersedia akan berisi sebuah ekstrasi fitur dimana berfungsi untuk menentukan apa kelas dari data tersebut. Hasil ekstrasi fitur bisa didapat dari sebuah proses pengolahan citra. Pengolahan citra yang tepat juga akan bergantung pada hasil ekstrasi fitur dengan nilai yang akurat Hasil dari penelitian ini keakurasian sistem mencapai 42,5 % untuk dapat mengenali hasil dari motif batik yang akan dikenali.

Actions (login required)

View Item