HALAMAN JUDUL KLASIFIKASI CITRA BATIK BESUREK BERBASIS SINGULAR VALUE DECOMPOSITION (SVD)

KURNIA, GUSRIA FITRI and Diah, Puspitaningrum and Endina, Putri Purwandari (2017) HALAMAN JUDUL KLASIFIKASI CITRA BATIK BESUREK BERBASIS SINGULAR VALUE DECOMPOSITION (SVD). Undergraduated thesis, Universitas Bengkulu.

[img] Archive (Thesis)
SKRIPSI G1A010003.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).

Download (3MB)

Abstract

ABSTRAK Klasifikasi atau pengelompokan citra dari motif batik besurek tentunya akan menyulitkan untuk mengetahui motif batik yang sama. Maka dilakukan klasifikasi atau pengelompokan motif batik sesuai dengan nilai fitur tekstur masing-masing citra motif batik tersebut. Dengan demikian, diperlukan aplikasi klasifikasi dengan masukan citra yang kemudian diproses agar hasilnya dapat memperoleh citra masukan. Aplikasi ini menggunakan metode Singular Value Decomposition (SVD) untuk mengkompresi hasil citra dengan memperoleh nilai U,S,V dari masing-masing citra. Low rank approximation atau matriks aproksimasi pada penelitian ini mempunyai ukuran 200, 100, 50, 30, 20, 10, dan 3. Citra yang digunakan dalam penelitian ini adalah citra batik besurek yang merupakan kain batik tradisional Bengkulu. Aplikasi ini dibangun dengan menggunakan MatLab R2010a. Metode pengembangan sistem yang digunakan adalah model Waterfall dan Data Flow Diagram (DFD) sebagai perancangan sistem. Pada penelitian ini citra yang digunakan ada 7 citra batik besurek, antara lain bunga cengkeh, bunga melati, bunga raflesia, burung kuau, kaligrafi, relung paku, dan rembulan. Hasil akhir dari penelitian ini adalah sebuah aplikasi klasifikasi citra batik besurek untuk 7 motif batik dengan tingkat recall dan precision yaitu bunga cengkeh (recall = 34,28%, precision = 85,71%), bunga melati (recall =28,57%, precision 83,33%), bunga raflesia (recall =22,85%, precision =72,72%), burung kuau (recall =20%, precision =87,5%), kaligrafi (recall =28,57%, precision 83,33%), relung paku (recall =25,71%, precision 75%), rembulan (recall =31,42%, precision 84,61%) pada pengujian citra uji dan citra training. Recall yang rendah disebabkan oleh kemiripan motif antar kelas karena sampel input yang digunakan mengalami pemotongan pixel secara seragam di bagian bawah gambar dikarenakan keutuhan citra pada saat di kompresi semakin kecil, membentuk gambar berukuran 200 x 200.

Item Type: Thesis (Undergraduated)
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering > Department of Informatics Engineering
Depositing User: 164 Irma Rohayu
Date Deposited: 29 Nov 2017 01:37
Last Modified: 29 Nov 2017 01:37
URI: http://repository.unib.ac.id/id/eprint/15114

Actions (login required)

View Item View Item