Implementasi KNN Untuk Klasifikasi Motif Batik Menggunakan Thresholding Otsu dan Canny

ANTONIUS, NUGROHO BUDI (2017) Implementasi KNN Untuk Klasifikasi Motif Batik Menggunakan Thresholding Otsu dan Canny. Skripsi,Fakultas Ilmu Komputer.

Preview

PDF Download (3927b) | Preview

Abstract

Batik adalah kain yang bergambar (bercorak atau beragi) yang pembuatannya dengan cara tertentu melalui proses awal ditulis dan ditera dengan lilin lalu diwarna dengan tarum dan soga. Batik terbagi menjadi 2 golongan jenis ragam hias batik antara lain ragam hias geometris dan ragam hias non-geometris. Penggunaan sebuah algoritma Thresholding Otsu dan Gray Level Co-Occurrence (GLCM) ini diharapkan dapat memaksimalkan tingkat akurasi ketika mendeteksi jenis ragam hias batik secara otomatis. Penggunaan algoritma tersebut diharapkan juga dapat mengurangi tingkat plagiasi batik. Hasil dari penelitian ini adalah batik yang dilakukan segmentasi menggunakan Thresholding Otsu dan Canny akan menghasilkan tepi dari citra batik yang kemudian dilakukan ekstraksi fitur ciri dengan GLCM. Hasil dari ekstraksi fitur ciri akan diklasifikasikan kedalam 2 kelas yakni geometris dan non-geometris. Tingkat akurasi pada penelitian ini memiliki nilai rata - rata sebesar 70,7% dengan nilai tertinggi 82,5% pada k = 1. Berdasarkan hasil tingkat akurasi KNN diketahui bahwa ekstraksi ciri menggunakan thresholding otsu dan canny lebih baik dibandingkan dengan hanya menggunakan thresholding otsu atau canny

Actions (login required)