{SKEMA PROFESIONAL} KLASIFIKASI MOTIF BATIK DENGAN PENGOLAHAN CITRA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS, SUPPORT VECTOR CLASSIFIER, DAN NAIVE BAYES

Bramantyo, Titan Bagus (2022) {SKEMA PROFESIONAL} KLASIFIKASI MOTIF BATIK DENGAN PENGOLAHAN CITRA MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS, SUPPORT VECTOR CLASSIFIER, DAN NAIVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (679kB)
	Text (BAB I) BAB I.pdf Download (265kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (543kB)
	Text (BAB III) BAB III.pdf Download (75kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (59kB)
	Text (LAMPIRAN) Lampiran.pdf Restricted to Repository staff only Download (548kB)
	Archive (SOURCE CODE) (Skema JALUR PROFESIONAL - STUDI INDEPENDEN) Source Code 19.12.1158 Titan Bagus Bramantyo.zip Restricted to Repository staff only Download (82MB)
	Text (PUBLIKASI) (Skema JALUR PROFESIONAL - STUDI INDEPENDEN) Publikasi 19.12.1158 Titan Bagus Bramantyo.pdf Restricted to Repository staff only Download (750kB)

Abstract

Seni kain batik telah lama disebut sebagai kain tradisional Indonesia. Pada tahun 2009, batik ditambahkan ke daftar Warisan Budaya Takbenda Kemanusiaan (intangible cultural heritage of humanity) UNESCO. Setiap tanggal 2 Oktober dikenal sebagai Hari Batik bagi masyarakat Indonesia untuk merayakan kerajinan bersejarah tersebut. Seni membatik pada awalnya diturunkan secara turun-temurun, sehingga kadang-kadang suatu pola dapat dikenali berasal dari pola keluarga tertentu. Beberapa batik mungkin menunjukkan status seseorang. Bahkan saat ini, keluarga kerajaan Yogyakarta dan Surakarta adalah satu-satunya yang menggunakan beberapa pola batik tradisional. Namun, masalah saat ini ada pada perubahan demografi dan penurunan minat pengetahuan budaya. Fakta bahwa generasi muda tidak lagi mengenali pola-pola batik yang ada di sekitar mereka cukup mengkhawatirkan. Melalui penelitian ini, penulis membangun model pengolahan citra berbasis pembelajaran mesin terawasi (supervised learning) yang dapat mengenali pola batik secara otomatis. Untuk keperluan komparasi tingkat performa model, penulis menggunakan tiga algoritma yang berbeda yaitu Support Vector Classifier (SVC), K-Nearest Neighbors (KNN), dan Naïve Bayes. Pemrosesan awal citra dan pengaturan parameter pada model menjadi tantangan dalam penelitian ini agar memperoleh performa paling baik. Setelah model dinyatakan layak dari segi performa, selanjutnya model dilanjutkan dengan implementasi ke dalam aplikasi web. Harapannya, aplikasi yang dibuat nanti bisa digunakan oleh mereka yang memerlukan bantuan dalam mengenali motif-motif kain batik yang ada di sekitaran mereka dan mengerti akan filosofi di di dalamnya. Sebagai rekomendasi, penulis menyarankan kepada peneliti-peneliti di kemudian hari yang juga akan mendalami penelitian serupa untuk dapat mengimplementasikan metode deep learning pada rekognisi motif batik ini. Sehingga, nantinya bisa dilakukan komparasi antara performa model reguler dengan model deep learning dan memberikan kesimpulan mengenai efektivitas model deep learning terhadap kompleksitas dari citra motif batik.

Actions (login required)

View Item