Skripsi

Klasifikasi motif batik malang berdasarkan nilai ekstraksi fitur gray level co-occurrence matrix dengan algoritma decision tree / Ahmad Hadziq Syihab Al Fahrani

Abstrak
Batik merupakan warisan budaya Indonesia yang memiliki nilai seni tinggi dan telah diakui oleh UNESCO sebagai Warisan Budaya Tak benda Manusia. Sejarah batik di Indonesia sangat kaya dan bermacam-macam dan banyak variasi batik yang berbeda berasal dari daerah-daerah yang berbeda di Indonesia. Batik Malang merupakan salah satu keragaman batik yang ada dengan ciri khas pola yang cukup beragam dari yang sederhana hingga yang rumit. Pola batik Malang umumnya terinspirasi dari alam dan budaya lokal seperti motif bunga daun burung hingga arsitektur tradisional. Namun karena banyaknya variasi motif batik Malang yang tersedia seringkali membuat konsumen kesulitan untuk mengenali dan membedakan jenis batik Malang yang satu dengan yang lainnya. Dengan berlandaskan kondisi tersebut akan dilakukan pengembangan penelitian klasifikasi motif batik malang berdasarkan nilai ekstraksi fitur Gray Level Co-Occurrence Matrix dengan algoritma decision tree. Metode GLCM digunakan untuk mengukur tekstur pada citra batik dan menghasilkan fitur-fitur nilai berupa Angular Second Moment (ASM) Inverse Different Moment (IDM) Contras Entropy dan Correlation yang digunakan sebagai data input yang untuk diklasifikasi algoritma decision tree. Dalam klasifikasi data GLCM yang besar dan banyak decision tree dinilai dapat membantu untuk mengurangi kompleksitas data dan mempercepat proses klasifikasi. Hasil penelitian menunjukkan bahwa metode Decision Tree dapat mengklasifikasi motif batik Malang berdasarkan nilai fitur ekstraksi Grey Level Co-occurrence Matrix. Akurasi klasifikasi tertinggi yang didapat mencapai 58% pada saat proses training dengan menggunakan dua parameter berupa criterion entropy dan max depth sebesar 10. Selanjutnya dilakukan uji pada tahap testing akurasi yang didapat mencapai 62%. Diharapkan dari proses penelitian ini dapat memberikan kemudahan bagi masyarakat dalam mengenali batik Malang dan menjadi dasar referensi penerapan sistem lanjutan dalam klasifikasi batik dari Malang.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2023.

Deskripsi Fisik

x, 45 hlm. : ilus.

Bahasa

Indonesia

No Reg

2425/RS/23

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2023

Subjek

1. ALGORITMA KOMPUTER - DECISION TREE
2. COMPUTER ALGORITHM - DECISION TREE

Pembimbing

1. Harits Ar Rosyid, S.t., M.t., Ph.d ; 2. Dr. Heru Wahyu Herwanto, S.t., M.kom

Lampiran Berkas