PENGOLAHAN CITRA UNTUK MENGETAHUI HUBUNGAN NILAI SENI DAN FITUR DARI SUATU GAMBAR ABSTRAK

Sidik, Rhamad Nursani (2019) PENGOLAHAN CITRA UNTUK MENGETAHUI HUBUNGAN NILAI SENI DAN FITUR DARI SUATU GAMBAR ABSTRAK. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (219kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (605kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (266kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (695kB)
	Text (BAB V) BAB V.pdf Download (80kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (308kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (1MB)

Abstract

Seni merupakan sebuah karya yang dapat dinikmati oleh indra manusia terutama pendengaran dan penglihatan. Salah satunya adalah seni lukis yang merupakan karya visual yang dihasilkan seniman melalui media lukis. Bagi masyarakat awam mungkin dapat memahami lukisan yang sering dipamerkan seperti di museum atau tempat lainnya. Bagaimana dengan lukisan abstrak yang secara visual sulit untuk dimaknai sekilas, dimana letak seni yang terletak dari lukisan abstrak. Apakah ada hal yang menyebabkan sebuah lukisan abstrak memiliki nilai seni dan yang lebih mengherankan memiliki nilai jual tinggi dikalangan pecinta lukisan. Hal tersebutlah yang membuat penulis tertarik menyajikan penelitian ini. Dengan menggunakan teknik image processing untuk mendapatkan fitur dari gambar abstrak. Fitur tersebut akan digunakan untuk pengenalan pola menggunakan salah satu algoritma klasifikasi yaitu k-nearest neighbor. Dengan menggunakan ekstraksi warna dan ciri statistik orde pertama yang kemudian fitur tersebut dilakukan dalam proses pengenalan pola. K-nearest neighbor merupakan algoritma klasifikasi dengan memberi label atau kelas kepada setiap data dan oleh karena itu dalam hal ini penulis meminta bantuan seorang ahli untuk memberikan label pada setiap data latih yang telah diambil dilapangan. Penggunaan fitur ekstraksi ciri warna dan ciri statistik orde pertama dengan keberhasilan pengklasifikasian menggunakan k-nn ialah 66,67 %. Dengan keberhasilan lebih dari 50% hal ini menunjukan bahwa fitur tersebut dapat digunakan dalam proses pengklasifikasian. Algoritma k-nn masih memiliki kelemahan pada penentuan ketetanggan terdekat, oleh karena itu diharapkan untuk penelitian selanjutnya menggunakan algoritma klasifikasi selain k-nn.

Actions (login required)

View Item