TY  - THES
UR  - http://eprints.unpak.ac.id/7670/
PB  - Universitas Pakuan
AV  - public
M1  - Skripsi
A1  - Kusuma Wardani, Harini
A1  - Mulyana, Iyan
A1  - Qur?ania, Arie
TI  - Identifikasi Citra Batik Bogor Berdasarkan Deteksi Tepi Menggunakan Metode K?Nearest Neighbor
(Studi kasus: Batik Bogor Tradisiku)
ID  - eprintsunpak7670
Y1  - 2018/10/08/
N2  - 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.
EP  - 19
ER  -