KOMPARASI ALGORITMA K-NEAREST NEIGHBOR DAN NAÏVE BAYES UNTUK IDENTIFIKASI CITRA KAIN BATIK LAMPUNG MOTIF SIGER, DAN SEMBAGI

MAWY, ANNISA AL (2022) KOMPARASI ALGORITMA K-NEAREST NEIGHBOR DAN NAÏVE BAYES UNTUK IDENTIFIKASI CITRA KAIN BATIK LAMPUNG MOTIF SIGER, DAN SEMBAGI. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Full Skripsi) skripsi18312191.pdf - Published Version Restricted to Registered users only Download (2MB) | Request a copy
	Text (Abstrak) abstrak18312191.pdf - Published Version Download (35kB)
	Text (BAB I Pendahuluan) b118312191.pdf - Published Version Download (100kB)
	Text (BAB II Landasan Teori) b218312191.pdf - Published Version Download (471kB)
	Text (Daftar Pustaka) daftar_pustaka18312191.pdf - Bibliography Download (152kB)

Abstract

Lampung memiliki motif batik yang beragam sesuai dengan ciri khas daerahnya khususnya kabupaten/kota. Batik Lampung memiliki beberapa motif yang beragam. Oleh karena itu proses identifikasi motif kain batik perlu dilakukan secara otomatis dengan menerapkan teknologi pengolahan citra digital. Hasil dari analisa yang dilakukan pada penelitian ini yaitu untuk mengidentifikasi motif Batik Lampung dengan memanfaatkan teknologi komputer, khususnya dalam pengolahan citra digital untuk membantu pengenalan motif batik Lampung. Di era digitalisasi, terdapat beberapa cara untuk membedakan sesuatu objek, salah satunya adalah pengenalan citra. Dari berbagai cara yang digunakan untuk mendapatkan ciri motif batik Lampung menggunakan ekstraksi fitur GLCM. Setelah dilakukan proses ekstraksi ciri citra pada kain batik Lampung kemudian dijadikan data klasifikasi. Penelitian ini menggunakan klasifikasi K-Nearest Neighbor dan Naïve Bayes. Data yang digunakan sebanyak 300 citra yang terdiri dari 150 citra motif siger, dan 150 citra motif sembagi. Pada pengujian menggunakan metode K-Nearest Neighbor mendapatkan nilai akurasi paling tertinggi di nilai K = 3 sebanyak 78,33% data training, da 81,66% data testing. Pada pengujian menggunakan metode Naïve Bayes menghasilkan akurasi sebesar 96,66% data training dan 98,33% untuk data testing.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	GLCM, K-Nearest Neighbor, Naïve Bayes, Image Processing
Subjects:	TEKNIK KOMPUTER (S1) > Algoritma dan Pemrograman INFORMATIKA > TJ Mechanical engineering and machinery
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Informatika
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	28 Nov 2022 04:10
Last Modified:	12 Jan 2023 05:04
URI:	http://repository.teknokrat.ac.id/id/eprint/4100

Actions (login required)

View Item