KLASIFIKASI JENIS KAIN TENUN ULOS MENGGUNAKAN GRAY LEVEL CO-OCCURANCE MATRIX (GLCM) DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ)

Silalahi, Ramoti Yob (2020) KLASIFIKASI JENIS KAIN TENUN ULOS MENGGUNAKAN GRAY LEVEL CO-OCCURANCE MATRIX (GLCM) DAN JARINGAN SYARAF TIRUAN LEARNING VECTOR QUANTIZATION (LVQ). Undergraduate thesis, Universitas Diponegoro.

	Text JUDUL.pdf Download (1MB)
	Text BAB I.pdf Restricted to Repository staff only Download (131kB)
	Text BAB II.pdf Restricted to Repository staff only Download (508kB)
	Text BAB III.pdf Restricted to Repository staff only Download (260kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Restricted to Repository staff only Download (11kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (301kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (28kB)

Abstract

Ulos adalah busana khas Indonesia. Ulos juga merupakan salah satu komoditas yang
memiliki nilai budaya tinggi dan memiliki fungsi yang beragam. Berdasarkan ragam hiasnya, ulos
secara umum dapat dibedakan menjadi beberapa jenis, di antaranya adalah kain ulos ragidup,
sadum, mangiring, ragihotang, sibolang, dan beberapa jenis lainnya. Proses klasifikasi kain tenun
ulos selama ini masih dilakukan secara manual. Proses ini menghasilkan pengenalan jenis yang
subjektif. Oleh sebab itu, perlu dibuat suatu asplikasi yang mampu mengklasifikasi jenis kain tenun
ulos dengan menggunakan ekstraksi ciri GLCM dan metode klasifikasi jaringan syaraf tiruan
Learning Vector Quantization(LVQ).
Aplikasi dibangun menggunakan Matlab. Objek dari penelitian ini adalah kain tenun ulos
jenis Ragihotang, Sadum, dan Sibolang. Pengambilan gambar menggunakan kamera. Langkah dari
penelitian ini adalah analisis kebutuhan sistem, perancangan sistem, implementasi, dan pengujian.
Aplikasi menerapkan tahapan pengolahan citra digital yaitu proses memperkecil ukuran citra,
konversi citra ke aras-keabuan, ekstraksi ciri statistik orde kedua dengan GLCM (entropi, kontras,
korelasi, energi, dan homogenitas) serta klasifikasi menggunakan jarigan syaraf tiruan Learning
Vector Quantization(LVQ).
Tingkat akurasi aplikasi klasifikasi jenis kain tenun ulos dengan metode GLCM dan
jaringan syaraf tiruan Learning Vector Quantization(LVQ) dibagi menjadi dua, yaitu tingkat
akurasi pelatihan sebesar 100% dari 30 citra data latih, sedangkan tingkat akurasi pengujian
sebesar 80% dari 15 citra data uji

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Matlab, ulos, pengolahan citra digital, jaringan syaraf tiruan Learning Vector Quantization(LVQ), GLCM
Subjects:	Engineering
Divisions:	Faculty of Engineering > Department of Computer Engineering
Depositing User:	Teknik Komputer
Date Deposited:	27 Apr 2023 02:46
Last Modified:	26 May 2023 02:59
URI:	https://eprints2.undip.ac.id/id/eprint/12470

Actions (login required)

View Item

Search for collections on Undip Repository