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.
Full text not available from this repository.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: | Users 214 not found. |
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 |