Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Seminar Nasional Aplikasi Teknologi Informasi (SNATI)
Agus Harjoko
Jurusan Jurusan Ilmu Komputer dan Elektronika Instrumentasi Fakultas MIPA Universitas Gadjah Mada
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Citra Batik Menggunakan Jaringan Syaraf Tiruan Berdasarkan Gray Level Co- Occurrence Matrices (GLCM) Anita Ahmad Kasim; Agus Harjoko
Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2014
Publisher : Jurusan Teknik Informatika, Fakultas Teknologi Industri, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pelestarian Batik dapat dilakukan denganberbagai cara, salah satunya dengan cara melestarikanpola-pola batik yang sangat beragam di Indonesia. Batikmerupakan warisan budaya Indonesia yang telah diakuiUNESCO sebagai warisan budaya internasional padatanggal 2 Oktober 2009. Untuk melestarikan batik sebagaisalah satu warisan budaya dunia dapat dilakukan melaluipengenalan pola batik di Indonesia. Salah satupermasalahan dalam bidang pengenalan pola adalahklasifikasi citra ke dalam kelas tertentu. Batik dapatdiklasifikasikan berdasarkan bentuk motifnya yaitu motifgeometri, motif non geometri dan motif khusus. Motif Citrabatik yang sangat beragam menyulitkan dalam pengenalansetiap pola citra batik. Tujuan klasifikasi batik adalahmembagi citra batik ke dalam kelas-kelas motif sesuaidengan pola motifnya sehingga mudah untuk dikenalisesuai dengan cirinya. Dengan menggunakan algoritmabackpropagatian pada jaringan syaraf tiruan diperoleh hasiluntuk kemampuan jaringan syaraf mengklasifikasi citrabatik dalam 2 buah kelas non geometri dan geometri sebesar95.7% pada data latih. Dari 37 (91.9%) ciri citra batik nongeometri terdapat 3 (8.1%) ciri yang tidak dapat diklasifikasikedalam kelasnya. Sedangkan untuk ciri citra geometrisemua ciri citra dapat diklasifikasi dengan benar (100%).Untuk proses pengujian terdapat 2 (18.2%) ciri yang tidakbisa diklasifikasi dan pada proses uji validitas semua ciridapat diklasifikasikan dengan baik.
Co-Authors Anita Ahmad Kasim