KLASIFIKASI BATIK MENGGUNAKAN K-NEAREST NEIGHBOR BERBASIS NILAI ECCENTRICITY DAN COMPACTNESS

71110005, STHEFFANY FELIXIANA (2015) KLASIFIKASI BATIK MENGGUNAKAN K-NEAREST NEIGHBOR BERBASIS NILAI ECCENTRICITY DAN COMPACTNESS. Bachelor thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 71110005_bab1_bab5_daftarpustaka.pdf Download (728kB)
	Text (Skripsi Informatika) 71110005_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

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 eccentricity dan compactness. Pengujian dilakukan dengan mengubah preprocessing dan nilai k untuk melihat hasil akurasinya. Dari hasil pengujian diketahui hasil rata-rata terbaik untuk motif ceplok diperoleh dari preprocessing opening dengan ekstraksi ciri eccentricity persentase sebesar 52,5%. Motif parang diperoleh dari preprocessing opening dengan ekstraksi ciri eccentricity persentase sebesar 87,5%. Sedangkan untuk motif nitik hasil rata-rata terbaik diperoleh dari preprocessing opening dengan ekstraksi ciri compactness persentase sebesar 47,5% dan untuk motif terakhir yaitu motif semen diperoleh dari preprocessing closing dengan ekstraksi ciri compactness persentase sebesar 37,5%.

Actions (login required)

View Item