PERBANDINGAN KLASIFIKASI ALGORITMA K-NEAREST NEIGHBOR DAN NA?VE BAYES TERHADAP CITRA CELUGAM LAMPUNG BARAT MOTIF LALAMBAN DAN PUTTUT MANGGIS

NURAINI, AULIA (2023) PERBANDINGAN KLASIFIKASI ALGORITMA K-NEAREST NEIGHBOR DAN NA?VE BAYES TERHADAP CITRA CELUGAM LAMPUNG BARAT MOTIF LALAMBAN DAN PUTTUT MANGGIS. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Full Skripsi) skripsi19312163.pdf - Published Version Download (12MB)
	Text (Abstrak) abstrak19312163.pdf - Published Version Download (340kB)
	Text (Bab I Pendahuluan) b119312163.pdf - Published Version Download (347kB)
	Text (Bab II Landasan Teori) b219312163.pdf - Published Version Download (1MB)
	Text (Daftar Pustaka) daftar_pustaka19312163.pdf - Bibliography Download (445kB)

Abstract

Lampung memiliki motif batik yang sangat beragam sesuai dengan ciri khas atau karakter adat lampung yaitu tenun tapis Lampung. Selain itu, Lampung juga memiliki kekayaan warisan dari leluhur, salah satunya batik khas Lampung Barat Celugam. Celugam terbentuk dari beberapa potongan kain segitiga berwarna merah, orange, hitam, dan putih yang menyatu menjadi sebuah motif yang antik dan lucu. Celugam Lampung Barat memiliki beberapa jenis motif yaitu motif lalamban, puttut manggis, kekeris, apipon, dan cumcok sehingga perlu adanya proses klasifikasi celugam yang dilakukan secara otomatis dengan memanfaatkan teknologi seperti pengolahan citra digital. Dari berbagai cara yang digunakan untuk mendapatkan ciri motif Celugam Lampung Barat menggunakan ekstraksi fitur GLCM. Setelah dilakukan proses ekstraksi ciri citra pada kain Celugam Lampung Barat kemudian dijadikan data klasifikasi. Penelitian ini menggunakan klasifikasi K-Nearest Neighbor dan Na?ve Bayes. Data yang digunakan sebanyak 200 citra yang terdiri dari 100 citra motif lalamban, dan 100 citra motif puttu manggis. Pada pengujian menggunakan metode K-Nearest Neighbor mendapatkan nilai akurasi paling tertinggi di nilai K = 3 sebanyak 90,62% data training, dan 90,00% data testing. Pada pengujian menggunakan metode Na?ve Bayes menghasilkan akurasi sebesar 80,63% data training dan 75,00% untuk data testing.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	GLCM, K-Nearest Neighbor, Naïve Bayes, Pengolahan Citra Digital
Subjects:	INFORMATIKA
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Informatika
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	02 Aug 2023 09:41
Last Modified:	02 Aug 2023 09:41
URI:	http://repository.teknokrat.ac.id/id/eprint/4826

Actions (login required)

View Item