KLASIFIKASI MOTIF BATIK SEMEN BERDASARKAN EKSTRAKSI POLAR FOURIER TRANSFORM DAN K-NEAREST NEIGHBOUR

71120058, VINANDA DIYA NOVITA (2016) KLASIFIKASI MOTIF BATIK SEMEN BERDASARKAN EKSTRAKSI POLAR FOURIER TRANSFORM DAN K-NEAREST NEIGHBOUR. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71120058_bab1_bab5_daftarpustaka.pdf Download (3MB)
	Text (Skripsi Informatika) 71120058_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Motif batik yang dimiliki Indonesia sangat beragam. Salah satu contoh adalah batik semen yang memiliki sekitar 50 jenis motif. Beberapa motif memiliki kemiripan corak dan bentuk sehingga sulit untuk mengetahui nama setiap motif. Pada penelitian ini akan digunakan 3 jenis batik semen dengan motif yang berbeda yaitu motif semen romo, semen sidomukti dan semen sidoasih. Motif semen sidomukti, semen romo dan semen sidoasih dipilih karena ketiga motif tersebut sering digunakan untuk acara ijab kabul dan upacara panggih, sehingga motif-motif tersebut lebih dikenal dan sering digunakan daripada motif lainnya. Berdasarkan latar belakang tersebut, dalam penelitian ini dibangun sebuah sistem yang dapat mengenali dan mengelompokkan 3 jenis motif batik. Klasifikasi motif batik semen akan menggunakan metode ekstraksi Polar Fourier Transform (PFT) dan menggunakan metode klasifikasi K-Nearest Neighbour (KNN). Pada metode ekstraksi PFT digunakan dua nilai radial dan angular. Nilai pertama adalah radial 4 dan angular 6, sedangkan nilai kedua adalah radial 16 dan angular 30. Kemudian nilai K yang digunakan untuk proses perhitungan K-NN adalah 5, 10, 15 dan 20. Data yang dipakai untuk pelatihan sebanyak 60 gambar dan untuk pengujian sebanyak 30 gambar. Terdapat tiga percobaan yang dilakukan yaitu percobaan untuk data normal, percobaan untuk data normal yang sudah dirotasi serta percobaan data normal yang diberi noise. Percobaan tersebut menghasilkan rata-rata akurasi sebesar 75% pada nilai radial 4 dan angular 6. Sedangkan pada nilai radial 16 dan angular 30 mengahasilkan rata-rata akurasi sebesar 70%. Percobaan rotasi dan noise pada data normal tidak memberikan penurunan yang besar. Perubahan nilai akurasi hanya berkisar 2.5% sampai dengan 5%. Kesimpulan dari hasil percobaan tersebut adalah metode PFT dan K-NN dapat mengklasifikasikan batik semen dengan cukup baik.

Actions (login required)

View Item