IDENTIFIKASI JENIS KAIN DASAR BERDASARKAN TEKSTUR MENGGUNAKAN METODE EKSTRAKSI FITUR TEKSTUR GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM) DAN K-NEAREST NEIGHBOR (K-NN)

MUTIA, AINI LUTFIA (2023) IDENTIFIKASI JENIS KAIN DASAR BERDASARKAN TEKSTUR MENGGUNAKAN METODE EKSTRAKSI FITUR TEKSTUR GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM) DAN K-NEAREST NEIGHBOR (K-NN). FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK.pdf Download (22Kb) | Preview
	File PDF SKRIPSI FULL.pdf Restricted to Hanya staf Download (2590Kb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (1827Kb) | Preview

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

Perkembangan teknologi saat ini sudah berkembang sangat pesat, dan sudah memasuki ke berbagai sektor dalam kehidupan manusia. Contoh perkembangan teknologi nyata saat ini adalah adanya sebuah machine learning yang mampu membantu pekerjaan manusia baik dalam menentukan sebuah keputusan sampai dengan mengklasifikasikan suatu permasalahan. Salah satu sektor yang penting dalam kehidupan manusia adalah sandang berupa kain, yang merupakan salah satu kebutuhan primer manusia, sebagai contoh penggunaan kain tidak hanya dijadikan sebagai pakaian, namun juga sebagai peralatan lainnya. Namun pada kenyataannya, sampai saat ini, khususnya masyarakat Indonesia masih menggunakan indra peraba atau bahkan perkiraan dalam mengklasifikasikan jenis kain berdasarkan teksturnya. Penelitian ini memanfaatkan salah satu machine learning yaitu K-NN dan metode ekstraksi GLCM untuk mengidentifikasi serta mengklasifikasikan jenis kain berdasarkan teksturnya. Penelitian ini menggunakan 5 jenis kain yaitu drill, katun, polyester, satin, dan wool. Ekstraksi fitur tekstur yang digunakan sebagai variable independen penelitian ini yaitu dissimilarity, homogeneity, correlation, ASM, dan energy dengan masing masing menggunakan orientasi sudut 4 arah yaitu 0o, 45o. 90o, dan 135o . Adapun tingkat akurasi yang diperoleh yaitu 78% untuk pengujian dengan 250 data latih dengan rata rata waktu komputasinya 0,047 detik, dan akurasi 80% untuk pengujian dengan 750 data latih, dengan rata rata waktu komputasi dalam mengidentifikasi yang diperoleh adalah selama 0,052 detik. Kata Kunci : Machine Learning, Klasifikasi, Kain, GLCM, K-NN. The development of technology today has grown very rapidly and has entered various sectors of human life. An example of real technological development today is the existence of machine learning that can help human work in determining a decision to classify a problem. One of the important sectors in human life is clothing in the form of cloth, which is one of the primary human needs, for example, the use of cloth is not only used as clothing but also as other equipment. But in reality, until now, especially Indonesian people still use the sense of touch or even estimates in classifying fabric types based on their texture. This research utilizes one of the machine learning methods, namely K-NN and GLCM extraction methods to identify and classify fabric types based on their texture. This research uses 5 types of fabric namely drill, cotton, polyester, satin, and wool. The extraction of texture features used as independent variables of this research are dissimilarity, homogeneity, correlation, ASM, and energy with each using a 4-way angle orientation of 0o, 45o. 90o, and 135o. The accuracy rate obtained is 78% for testing with 250 training data with an average computation time of 0.047 seconds, and 80% accuracy for testing with 750 training data, with an average computation time of 0.047 seconds. Keywords: Machine Learning, Classification, Fabric, GLCM, K-NN.

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	Fakultas Teknik > Prodi S1-Teknik Elektro
Pengguna Deposit:	2301647764 . Digilib
Date Deposited:	02 Aug 2023 07:58
Terakhir diubah:	02 Aug 2023 07:58
URI:	http://digilib.unila.ac.id/id/eprint/74008

Actions (login required)

Lihat Karya Akhir