KLASIFIKASI JENIS BATIK TULIS DAN NON-TULIS MENGGUNAKAN SUPPORT VECTOR MACHINE BERDASARKAN GRAY LEVEL CO-OCCURANCE MATRIX

LUTZOW, REYHAN JAVIER (2021) KLASIFIKASI JENIS BATIK TULIS DAN NON-TULIS MENGGUNAKAN SUPPORT VECTOR MACHINE BERDASARKAN GRAY LEVEL CO-OCCURANCE MATRIX. Other thesis, UPN "Veteran" Yogyakarta.

Preview	Text DAFTAR ISI.pdf Download (1MB) | Preview
Preview	Text ABSTRAK.pdf Download (183kB) | Preview
Preview	Text DAFTAR PUSTAKA.pdf Download (218kB) | Preview
Preview	Text HALAMAN PENGESAHAN PEMBIMBING.pdf Download (429kB) | Preview
Preview	Text COVER.pdf Download (212kB) | Preview
	Text SKRIPSI-FULL-Reyhan-Javier-Lutzow-123160159.pdf Restricted to Repository staff only Download (6MB)

Abstract

vi
ABSTRAK
Batik adalah kain yang dilukis menggunakan canting lilin malam dengan meyambung titik
pada kain menjadi suatu karya seni penuh arti sehingga batik diartikan sebagai teknik pembuatannya,
bukan hanya sebuah motif pada kain. Banyak masyarakat yang masih belum paham terkait hal-hal
tersebut, kemudian kemampuan visual manusia yang berbeda-beda dan terbatas, dapat menimbulkan
human error sehingga batik tulis dengan non tulis dapat tertukar. Permasalahan di atas menjadi alasan
penelitian ini dilakukan. Tujuan dari penelitian ini yaitu mengetahui performa metode SVM dalam
mengklasifikasikan batik tulis dan non-tulis berdasarkan ekstrasi fitur GLCM.
Penelitian ini menggunakan data sekunder yang didapat dari penelitian terdahulu. Citra batik
yang diambil berasal dari beberapa butik dan pengrajin batik di Yogyakarta antara lain, butik Batik
Tulis Kebon Indah Bayat Klaten dan butik JNJ Batik Yogyakarta. Jenis kain batik yang digunakan
yaitu batik tulis dan batik non-tulis (cap). Proses diawali dengan pengumpulan data, preprocessing,
ekstrasi fitur GLCM, deteksi tepi canny, proses klasifikasi SVM, pembuatan antarmuka dan
pengujian. Proses klasifikasi jenis batik tulis ini berdasarkan fitur pada GLCM meliputi Angular
Second Moment, Contrast, Homogenity, Correlation, Dissimilarity dan Energy.
Akurasi terbaik yang dihasilkan model pada penelitian ini yaitu sebesar 86,5%, presisi
sebesar 87,3% dan recall sebesar 85,7%. Hasil ini didapat dari 1208 data dengan perbandingan data
latih dan data uji 70:30. Performa dari SVM menunjukan hasil yang baik dari akurasi di atas dengan
penggunaan karnel linear yang dapat mengklasifikasikan batik tulis dan non-tulis.
Kata kunci : Klasifikasi, Batik Tulis, Batik non-Tulis, GLCM, SVM

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Klasifikasi, Batik Tulis, Batik non-Tulis, GLCM, SVM
Subjects:	H Social Sciences > HD Industries. Land use. Labor
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	21 Dec 2021 04:21
Last Modified:	31 Oct 2022 06:15
URI:	http://eprints.upnyk.ac.id/id/eprint/27397

Actions (login required)

View Item