Penggunaan Machine Learning Untuk Pengenalan Pola Batik Parang Menggunakan PCA (Principal Component Analysis)
PDF

Keywords

Batik
Euclidean Distance
Machine Learning
PCA

How to Cite

Wulandari, S. P. ., & Wulanningrum, R. . (2020). Penggunaan Machine Learning Untuk Pengenalan Pola Batik Parang Menggunakan PCA (Principal Component Analysis). Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi), 4(2), 231–236. https://doi.org/10.29407/inotek.v4i2.150

Abstract

Batik merupakan suatu warisan nenek moyang bangsandonesia dan merupakan ciri khas bangsa Indonesia. Hampir seluruh daerah di Indonesia memiliki ciri khas motif batik sendiri. Dan setiap motif tersebut memiliki berbagai macam makna dan sejarah dari setiap daerah tersebut. Seperti Batik Parang, motif batik Parang memiliki makna petuah untuk tidak pernah menyerah, ibarat ombak laut yang tak pernah berhenti bergerak. Banyaknya kemiripan pola pada batik parang sehingga membuat banyak orang susah mengenali batik tersebut. Selagi itu batik parang merupakan pantangan bagi warga masyarakat Kecamatan Ngluyu KabupatenNganjuk sehingga masyarakat Ngluyu wajib mengetahui batik tersebut. Dengan memanfaatkan teknologi Machine Learning. Teknologi ini merupakan cabang ilmu dari Artificial Intellegence (Kecerdasan Buatan ) yang focus pada pengembangan sebuah system program oleh manusia, dengan begitu  Machine Learning  dapat di terapkan pada sebuah sistem yang bisa mengenali pola batik parang agar mempermudah pengenalan batik tersebut. Menggunakan metode PCA (Principal Component Analysis) dan klasifikasi metode Euclidean Distance. Dari hasil penelitian diperoleh nilai akurasi terbaik yaitu 93,3% dengan nilai threshold 0-255 pada skenario 2.

https://doi.org/10.29407/inotek.v4i2.150
PDF

References

Faisal, Argi, A.Gunawan, Apip Supiandi , Acep Suherman, Irwan Tanu Kusnadi.2018 Aplikasi Pengenalan Batik Tradisional Indonesia Berbasis Android. Jurnal Teknologi dan Informasi. Vol.8 No.1:5-12.

Wiwik,Ni Luh, Sri Rahayu G. 2016. Deteksi Batik Parang Menggunakan Fitur Co-Occurrence Matrix Dan Geometric Moment Invariant Dengan Klasifikasi Knn. Lontar Komputer. Vol. 7, NO.1 40-50.

Sara Eka Meiliyen Dharma, Ernawati, Asahar Johar.2019. Implementasi Metode Point Minutiae Untuk Mengidentifikasi Jenis Batik Pada Batik Besurek Dengan Berbasis Tekstur. Jurnal Rekursif. Vol. 7 No. 1:59-69.

Faisal, Argi, A.Gunawan, Apip Supiandi , Acep Suherman, Irwan Tanu Kusnadi.2018 Aplikasi Pengenalan Batik Tradisional Indonesia Berbasis Android. Jurnal Teknologi dan Informasi. Vol.8 No.1:5-12.

Smith, L., 2002, A tutorial on Principal ComponentsAnalysis,http://www.cs.otago.ac.nz/cosc453/studenttutorials/principal_components. pdf, diakses tanggal 25 November 2016.

Putra, Darma. 2010. Pengolahan Citra Digital. Yogyakarta: CV ANDI OFFSET (Online). Tersedia:https://books.google.co.id/books?id, diakses 25 November 2016.

Andoyo, Andreas, Suyono, 2016. Dasar Pemrograman Delphi. Yogyakarta: Andi.https://books.google.co.id/books?id=lSc3DgAAQBAJ&printsec=frontcover&hl=id#v=onepage&q&f=false

Andono, Nurtantio Pulung, T.Sujono.2015.Konsep Pengolahan Citra Digital.Yogyakarta:Andi

Munir,Rinaldi, 2004. Pengolahan citra digital dengan pendekatan algoritmik.Bandung: informatika (online). Di unduh 28 November 2019 dari http://informatika.stei.itb.ac.id/~rinaldi.munir/ Buku/Pengolahan%20Cit ra%20Digital/Bab-15_Pengenalan%20Pola.pdf.

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Copyright (c) 2020 Safira Putri Wulandari, Resty Wulanningrum

Downloads

Download data is not yet available.