PERBANDINGAN KINERJA BACKPROPAGATION DAN SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI CITRA BATIK LAMPUNG

SINTA , KARNIA (2023) PERBANDINGAN KINERJA BACKPROPAGATION DAN SUPPORT VECTOR MACHINE (SVM) UNTUK KLASIFIKASI CITRA BATIK LAMPUNG. FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM , UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK.pdf Download (11Kb) | Preview
	File PDF 2. SKRIPSI FULL.pdf Restricted to Hanya staf Download (2529Kb) | Minta salinan
Preview	File PDF 3. SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (2324Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Batik Siger merupakan lembaga kursus dan pelatihan yang berdiri pada bulan Oktober 2010. Batik Siger menciptakan dan menyediakan produk batik buatan tangan yang berkualitas dan keunggulan layanan pelanggan di bidang seni dan budaya. Ragam produk didasarkan pada pelestarian teknik seni nenek moyang dan memperkenalkan seni ini ke seluruh penjuru dunia. Batik memiliki berbagai jenis motif, tekstur dan warna. Keterbatasan pada mata manusia untuk membedakan motif dan warna pada batik adalah alasan untuk melakukan penelitian identifikasi citra batik berdasarkan pengenalan pola. Dataset yang digunakan terdiri dari 800 gambar batik dari 8 jenis motif : Batik Granitan, Batik Pakjimo, Batik Soga, Batik Sembagi, Batik Siger Tangkup Betik, Batik Siger Ratu Agung, Batik Kembang Cengkih, dan Batik Jung Agung. Metode Scale Invariant Feature Transform (SIFT) digunakan untuk mengenali ciri-ciri citra batik. Metode klasifikasi Backpropagation pada penelitian ini menggunakan nilai learning rate 0,01 dengan nilai epoch 100. Hasil pada penelitian ini adalah klasifikasi Backpropagation menghasilkan tingkat akurasi tertinggi sebesar 96,25% dan kesalahan klasifikasi sebesar 3,75% pada pengujian dengan nilai epoch = 100 dan learning rate = 0,01, klasifikasi SVM menghasilkan tingkat akurasi tertinggi sebesar 92,50% dan kesalahan klasifikasi sebesar 7,50% pada pengujian dengan arah sudut 90°. Kinerja Backpropagation 3,75% lebih tinggi dibandingkan dengan metode SVM pada klasifikasi citra batik Lampung. Kata kunci: Batik, Backpropagation, SVM, Pengenalan pola. Batik Siger is a course and training institution that was established in October 2010. Batik Siger creates and provides quality handmade batik products and customer service excellence in the arts and culture sector. The range of products is based on preserving the art techniques of the ancestors and introducing these arts to all corners of the world. Batik has various types of motifs, textures and colors. The limitations of the human eye to distinguish motifs and colors in batik are the reasons for conducting research on batik image identification based on pattern recognition. The dataset used consists of 800 batik images from 8 types of motifs: Granitan Batik, Pakjimo Batik, Soga Batik, Sembagi Batik, Siger Tangkup Betik Batik, Siger Ratu Agung Batik, Kembang Cengkih Batik, and Jung Agung Batik.The Scale Invariant Feature Transform (SIFT) method is used to identify the characteristics of batik images. The Backpropagation classification method in this study uses a learning rate of 0.01 with an epoch value of 100. The results of this study are that the Backpropagation classification produces the highest accuracy rate of 96.25% and a misclassification of 3.75% in tests with an epoch = 100 and learning rate = 0.01, SVM classification produces the highest accuracy rate of 92.50% and a misclassification of 7.50% in the test with an angle of 90°. Backpropagation performance is 3.75% higher than the SVM method for batik image classification. Keywords : Batik, Backpropagation, SVM, Pattern Recognition.

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika
Program Studi:	FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit:	2301805354 . Digilib
Date Deposited:	26 Jul 2023 03:13
Terakhir diubah:	26 Jul 2023 03:13
URI:	http://digilib.unila.ac.id/id/eprint/73699

Actions (login required)

Lihat Karya Akhir