TY  - GEN
CY  -  UNIVERSITAS LAMPUNG
ID  - eprints28648
UR  - http://digilib.unila.ac.id/28648/
A1  - MUHAMMAD ADIB NAUFAL , 1317051036
Y1  - 2017/09/29/
N2  - Batik merupakan nama terkenal dari suatu kain yang berasal dari pulau Jawa.
Batik telah diakui sebagai salah satu Hak Kekayaan Intelektual Indonesia oleh
UNESCO sejak 2 Oktober 2009. Seiring dengan perkembangan zaman, Batik
telah berkembang ke seluruh nusantara dan menyebabkan banyak motif unik dan
berbeda yang tercipta. Batik Lampung merupakan salah satunya. Penelitian ini
membahas tentang klasifikasi motif (pola) Batik Lampung menggunakan metode
K-Nearest Neighbor. Motif yang digunakan pada penelitian ini adalah Jung
Agung, Siger Kembang Cengkih, Siger Ratu Agung dan Sembagi. Sampel gambar
asli disimpan dalam RGB (Red Green Blue). Tahap pertama yaitu merubah
ukuran gambar menjadi 50 x 50 pixel dan dikonversi menjadi keabu-abuan
(Grayscale). Untuk mengenali ciri suatu gambar, digunakan metode Gray Level
Co-Occurence Matrix (GLCM). Metode K-Nearest Neighbor pada penelitian ini
menggunakan nilai k = 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29. Orientasi
sudut yang digunakan 00, 450, 900 dan 1350. Akurasi tertinggi didapatkan pada
pengujian di orientasi arah sudut sebesar 450 di nilai k = 17 yaitu sebesar
98,182%.
Kata Kunci : Batik, Gray Level Co-Occurence Matrix (GLCM), K-Nearest
Neighbor, Klasifikaasi, Lampung, Pengenalan Pola

ABSTRACT

Batik is one of traditional fabric from Java. It has been admitted as one of the
Indonesia's traditional cultural heritage by UNESCO since October 2nd , 2009.
Over the time, Batik is adapted and modified by regions in Indonesia and resulting
some new unique motifs. Batik Lampung is one of various Batik. This paper
explains the K-Nearest Neighbor classification of the motifs (pattern) of the Batik
Lampung. Used motifs of Batik Lampung in this paper are Jung Agung, Siger
Kembang Cengkih, Siger Ratu Agung, and Sembagi. The original image samples
are stored in RGB. They are firstly resized into 50 x 50 pixels and then converted
to grayscale image. For recognizing those images, the Gray Level Co-Occurence
Matrix (GLCM) feature is extracted and K-Nearest Neighbor (K-NN) with values
k = 3, 5, 7, 9, 11, 13, 15, 17, 19, 21, 23, 25, 27, 29 and orientation angle of 00 450,
900, 1350 is applied to classify the motifs. The best accuracy is achieved at the rate
98,182% for k = 17 with angle of 450.
Keywords : Batik, Classification, Gray Level Co-Occurence Matrix (GLCM),
K-Nearest Neighbor (K-NN), Pattern Recognition, Lampung
PB  - FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
TI  - IMPLEMENTASI METODE KLASIFIKASI K-NEAREST NEIGHBOR (KNN)
UNTUK PENGENALAN POLA BATIK MOTIF LAMPUNG
AV  - restricted
ER  -