Identifikasi Citra Batik Bogor Berdasarkan Deteksi Tepi Menggunakan Metode K�Nearest Neighbor (Studi kasus: Batik Bogor Tradisiku)

Kusuma Wardani, Harini and Mulyana, Iyan and Qur’ania, Arie (2018) Identifikasi Citra Batik Bogor Berdasarkan Deteksi Tepi Menggunakan Metode K�Nearest Neighbor (Studi kasus: Batik Bogor Tradisiku). Skripsi thesis, Universitas Pakuan.

Text Harini Kusuma Wardani - 065114229_ Identifikasi Citra Batik Bogor Berdasarkan Deteksi Tepi Menggunakan Metode K-Nearest N~1.pdf Download (4MB)

Abstract

Identifikasi Citra Batik Bogor Berdasarkan Deteksi Tepi Menggunakan Metode K�Nearest Neighbor (Studi kasus: Batik Bogor Tradisiku) 1Harini Kusuma Wardani, 2 Iyan Mulyana, M.Kom., 3Arie Qur’ania, M.Kom. Email: 1 harinikwardani@gmail.com Program Studi Ilmu Komputer FMIPA Universitas Pakuan ABSTRAK Negara Indonesia kaya akan keanekaragaman budaya, salah satunya adalah budaya Batik. Batik adalah kerajinan yang memiliki nilai seni tinggi yang telah diakui dunia sebagai warisan budaya asal Indonesia. Karena setiap daerah di Indonesia memiliki motif batiknya sendiri yang mencerminkan keanekaragaman budaya serta kearifan lokal yang menjadi karakteristik dari daerah tersebut. Pembuatan aplikasi ini bertujuan untuk mengidentifikasi citra dari tiap motif agar masyarakat dapat membedakan antara motif batik Bogor yang satu dengan motif batik Bogor yang lainnya. Dengan memanfaatkan teknologi yang semakin pesat salah satunya dengan komputer dan bantuan kamera, maka diimplementasikanlah identifikasi citra batik berdasarkan deteksi tepi yang mampu membantu mengenali motif batik Bogor dalam bentuk sebuah aplikasi desktop. Metode penelitian yang dilakukan adalah menggunakan image processing yang meliputi tahap akuisisi citra, preprocessing, grayscale, ekstraksi ciri bentuk dan identifikasi menggunakan metode K-Nearest Neighbor (KNN) dengan operator Sobel. Pada aplikasi yang dibuat menggunakan data berupa gambar motif batik dengan ekstensi *.jpg yang berjumlah 125 gambar, yang terbagi menjadi 25 data latih serta 5 data uji untuk masing�masing motif. Pada tahap resize gambar, dilakukan 3 ukuran yaitu 300x300 pixels, 400x400 pixels dan 500x500 pixels. Dari hasil percobaan didapatkan akurasi 64% untuk ukuran 300x300 pixels. Akurasi 68% untuk ukuran 400x400 pixels. Dan 80% untuk ukuran 500x500 pixels. Kata Kunci : Identifikasi citra, Deteksi Tepi, K-Nearest Neighbor (KNN), Operator Sobel.

Item Type:	Thesis (Skripsi)
Subjects:	Fakultas Ilmu Pengetahuan Alam dan Matematika > Ilmu Komputer
Divisions:	Fakultas Matematika dan Ilmu Pengetahuan Alam > Ilmu Komputer
Depositing User:	PERPUSTAKAAN FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNPAK
Date Deposited:	17 May 2024 03:24
Last Modified:	17 May 2024 03:24
URI:	http://eprints.unpak.ac.id/id/eprint/7670

Actions (login required)

View Item