KLASIFIKASI MOTIF KAIN TAPIS LAMPUNG MENGGUNAKAN KNN DAN NAIVE BAYES PADA CITRA KAIN

LESTARI, DWI AGUSTINA (2023) KLASIFIKASI MOTIF KAIN TAPIS LAMPUNG MENGGUNAKAN KNN DAN NAIVE BAYES PADA CITRA KAIN. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (full teks) skripsi19312113.pdf - Published Version Restricted to Registered users only Download (3MB) | Request a copy
	Text (abstrak) abstrak19312113.pdf - Published Version Download (197kB)
	Text (BAB I Pendahuluan) b119312113.pdf - Published Version Download (216kB)
	Text (BAB II Tinjauan) b219312113.pdf - Published Version Download (767kB)
	Text (Daftar Pustaka) daftar_pustaka19312113.pdf - Bibliography Download (422kB)

Abstract

Kain tapis Lampung memiliki banyak motif. Umumnya, kain tapis memiliki motif yang menyuguhkan tema kehidupan dan lingkungan. Pada penelitian ini menggunakan citra kain tapis untuk pengklasifikasian agar dapat mempermudah masyarakat untuk mengenali antara motif sasab, motif ketik, motif sasab ketik, motif wajik, dan motif catur. Dalam pengolahannya tentu saja diawali dengan proses penangkapan gambar atau citra menggunakan kamera dan lain-lain. Dengan menggunakan metode pengolahan citra digital agar dapat mencari pola atau ciri tertentu pada gambar. Pada penelitian ini dicari pola citra digital fisik motif kain tapis Lampung. Menerapkan metode GLCM (Gray Level Co-Ocurece Matrix) untuk ekstraksi fitur warna dan tekstur untuk kemudian pada citra di klasifikasi. Klasifikasi ini akan dilakukan pada citra kain tapis Lampung, ada beberapa metode yang dikembangkan oleh peneliti dalam pengklasifikasian citra digital diantaranya adalah K-Nearest Neighbors (KNN) dan Naive Bayes. Dan pada citra penelitian ini menggunakan citra objek yang digunakan berupa citra kain tapis dengan format .png dan untuk uji akurasi menggunakan confusion matrix. Dan menggunakan google colaboratory sebagai pengujian citra. Metode klasifikasi yang digunakan dalam penelitian in iadalah metode KNN dan Naive Bayes. Dari pengujian yang telah dilakukan menghasilkan akurasi paling tinggi terdapat pada nilai K=3 sebesar 96% untuk data training, dan 98% untuk data testing. Sedangkan menggunakan metode Na?ve Bayes menghasilkan akurasi sebesar 80% untuk data training dan 86% untuk data testing. Hasil perhitungan menunjukkan tingkat akurasi KNN lebih baik yaitu sebesar 96%. Kata kunci: Klasifikasi, GLCM, KNN, Na?ve Baye, Citra Digital

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Klasifikasi, GLCM, KNN, Naïve Baye, Citra Digital
Subjects:	INFORMATIKA > Engineering (General). Civil engineering (General)
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Informatika
Depositing User:	Asep Haikal Kurniawan S.IP., M.A
Date Deposited:	23 Oct 2023 02:49
Last Modified:	23 Oct 2023 02:49
URI:	http://repository.teknokrat.ac.id/id/eprint/5106

Actions (login required)

View Item