UDiNus Repository

KLASIFIKASI TENUN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR BERDASARKAN GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM)

EKA, SATRIO PUTRA (2016) KLASIFIKASI TENUN MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBOUR BERDASARKAN GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM). Skripsi,Fakultas Ilmu Komputer.

[img]
Preview
PDF
Download (4033b) | Preview
    [img]
    Preview
    PDF
    Download (538Kb) | Preview
      [img]
      Preview
      PDF
      Download (41Kb) | Preview
        [img]
        Preview
        PDF
        Download (92Kb) | Preview
          [img]
          Preview
          PDF
          Download (567Kb) | Preview
            [img]
            Preview
            PDF
            Download (555Kb) | Preview
              [img]
              Preview
              PDF
              Download (828Kb) | Preview
                [img]
                Preview
                PDF
                Download (643Kb) | Preview
                  [img]
                  Preview
                  PDF
                  Download (286Kb) | Preview
                    [img]
                    Preview
                    PDF
                    Download (714Kb) | Preview
                      [img]
                      Preview
                      PDF
                      Download (799Kb) | Preview
                        [img]
                        Preview
                        PDF
                        Download (206Kb) | Preview

                          Abstract

                          Tenun adalah sejenis kain tertentu yang dibuat khusus dengan motif-motif yang khas yang langsung dikenali masyarakat umum. Salah satu permasalahan pada tenun adalah tenun memiliki motif dan warna yang sangat beragam, sehingga sulit untuk klasifikasi tenun ke dalam kelas tertentu. Penelitian ini dilakukan untuk mengklasifikasikan tenun ke dalam kelas-kelas berdasarkan daerah asal tenun sehingga mempermudah dalam pengenalan tenun dan pemahaman tentang tenun. Metode yang digunakan adalah gray level co-occurrence matrices untuk ekstraksi ciri tekstur, sedangkan untuk menentukan kedekatan antara citra uji dengan citra latih menggunakan metode k-nearest neighbor berdasarkan fitur tekstur dari citra tenun yang diperoleh. Fitur-fitur tekstur dicari menggunakan metode GLCM berdasarkan sudut 0°, 45°, 90° dan 135°. Metode evaluasi menggunakan confusion matrix untuk mengukur tingkat akurasi dalam proses klasifikasi. Dari hasilbpenelitian yang menggunakan 75 citra tenun dengan 5 kelas yaitu Bali, Kalimantan, NTT, Sulawesi dan Sumatra menghasilkan tingkat akurasi tertinggi pada uji coba 3 sudut 0° sebesar 50 % dan terendah pada uji coba 2 sudut 45° sebesar 2 %

                          Item Type: Article
                          Subjects: T Technology > Teknik Informatika
                          Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Teknik Informatika
                          Divisions: Fakultas Ilmu Komputer
                          Depositing User: Psi Udinus
                          Date Deposited: 22 Sep 2016 13:19
                          Last Modified: 22 Sep 2016 13:19
                          URI: http://eprints.dinus.ac.id/id/eprint/18780

                          Actions (login required)

                          View Item