SISTEM KLASIFIKASI BATIK MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

---

ABSTRAK
Batik merupakan kain tradisional yang menjadi salah satu kekayaan budaya bangsa Indonesia. Batik Indonesia memiliki berbagai jenis dengan pola yang berbeda, bagi seorang ahli batik tentu akan mudah dalam membedakan pola batik, namun memerlukan waktu yang relatif lama dan keahlian khusus, hal ini akan sulit dilakukan bagi orang awan. Untuk dapat mengatasi permasalahan ini diperlukan sistem klasifikasi batik dengan tingkat keakuratan yang tinggi, sehingga diharapkan setiap orang bisa dengan mudah mengenali pola batik, membuat aplikasi pengklasifikasian batik menggunakan metode Support Vector Machie (SVM) dan pada proses ekstraksi fiturnya menggunakan metode Gray Level Co-occurrence Matrix (GLCM) ada lima( 5) fitur yang akan diambil yaitu homogeneity, contrast, correlation, entropy, energy. SVM bekerja dengan mencari sebuah hyperplane, pada pembuatan aplikasi ini menggunakan kernel Radial Basis Function, dan pada penelitian ini batik yang di uji ada tiga (3) jenis yaitu Lung-lungan, Parang, Ceplok. Hasil penelitian berdasarkan 146 citra training dan 62 citra testing pada citra batik, didapatkan hasil rata-rata tingakat akurasi 97,33%.
Kata kunci : Support Vector Machie (SVM), Gray Level Co-occurrence Matrix (GLCM), hyperplane, Radial Basis Function.

---

Ketersediaan

S06-17131

1713

Koleksi Skripsi

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1713

Penerbit

Surabaya : ITATS., 2017

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Support Vector Machie (SVM),
Support Vector Machie (SVM), Gray Level Co-o
hyperplane

Info Detail Spesifik

NPM : 06.2010.1.05412 - Nilai : B

Pernyataan Tanggungjawab

PEMBIMBING : TUTUK INDRIYANI ST,M.KOM

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar