Klasifikasi 12 Motif Batik Banten Menggunakan Support Vector Machine
Batik adalah kain bergambar yang ditulis atau dicap dengan canting yang terbuat dari tembaga atau plat seng, agar dapat menghasilkan seni keindahan yang artistik dan klasik. Hingga saat ini masih banyak masyarakat Indonesia yang belum mengetahui dengan baik nama-nama aneka ragam motif batik yang men...
Main Authors: | , , , |
---|---|
Format: | Article |
Language: | English |
Published: |
Departement of Electrical Engineering, Faculty of Engineering, Universitas Brawijaya
2019-04-01
|
Series: | Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) |
Online Access: | https://jurnaleeccis.ub.ac.id/index.php/eeccis/article/view/570 |
_version_ | 1797640036684922880 |
---|---|
author | Romi Wiryadinata Muhammad Rofiki Adli Rian Fahrizal Rocky Alfanz |
author_facet | Romi Wiryadinata Muhammad Rofiki Adli Rian Fahrizal Rocky Alfanz |
author_sort | Romi Wiryadinata |
collection | DOAJ |
description | Batik adalah kain bergambar yang ditulis atau dicap dengan canting yang terbuat dari tembaga atau plat seng, agar dapat menghasilkan seni keindahan yang artistik dan klasik. Hingga saat ini masih banyak masyarakat Indonesia yang belum mengetahui dengan baik nama-nama aneka ragam motif batik yang menjadi kekayaan intelektual yang telah diakui oleh UNESCO (United Nations Educational, Scientific, and Cultural Organization) pada 2 Oktober 2009 sebagai salah satu warisan kebudayaan dunia yang berasal dari Indonesia. SVM (support vector machine) adalah metode learning machine yang bekerja dengan tujuan menemukan hyperlane terbaik yang memisahkan dua buah kelas atau lebih pada input space. Tujuan dari penelitian ini adalah untuk mengklasifikasi 12 motif batik Banten menggunakan metode SVM. Penelitian dilakukan secara beberapa tahap yaitu resize untuk menyamakan dimensi citra, grayscale untuk menyederhanakan citra dengan mengubah menjadi citra aras keabuan, median filter untuk menghilangkan noise pada batik, dan ekstraksi ciri sebagai masukan untuk klasifikasi menggunakan SVM. Hasil klasifikasi menggunakan SVM orde 1 yaitu sebesar 85%, dan untuk orde 2 sebesar 87,2%. |
first_indexed | 2024-03-11T13:26:09Z |
format | Article |
id | doaj.art-1836cf88020049819e83b9d989980b6d |
institution | Directory Open Access Journal |
issn | 2460-8122 |
language | English |
last_indexed | 2024-03-11T13:26:09Z |
publishDate | 2019-04-01 |
publisher | Departement of Electrical Engineering, Faculty of Engineering, Universitas Brawijaya |
record_format | Article |
series | Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) |
spelling | doaj.art-1836cf88020049819e83b9d989980b6d2023-11-03T07:20:28ZengDepartement of Electrical Engineering, Faculty of Engineering, Universitas BrawijayaJurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems)2460-81222019-04-01131606410.21776/jeeccis.v13i1.570372Klasifikasi 12 Motif Batik Banten Menggunakan Support Vector MachineRomi Wiryadinata0Muhammad Rofiki Adli1Rian Fahrizal2Rocky Alfanz3Jurusan Teknik Elektro, Universitas Sultan Ageng Tirtayasa, CilegonJurusan Teknik Elektro, Universitas Sultan Ageng Tirtayasa, CilegonJurusan Teknik Elektro, Universitas Sultan Ageng Tirtayasa, CilegonJurusan Teknik Elektro, Universitas Sultan Ageng Tirtayasa, CilegonBatik adalah kain bergambar yang ditulis atau dicap dengan canting yang terbuat dari tembaga atau plat seng, agar dapat menghasilkan seni keindahan yang artistik dan klasik. Hingga saat ini masih banyak masyarakat Indonesia yang belum mengetahui dengan baik nama-nama aneka ragam motif batik yang menjadi kekayaan intelektual yang telah diakui oleh UNESCO (United Nations Educational, Scientific, and Cultural Organization) pada 2 Oktober 2009 sebagai salah satu warisan kebudayaan dunia yang berasal dari Indonesia. SVM (support vector machine) adalah metode learning machine yang bekerja dengan tujuan menemukan hyperlane terbaik yang memisahkan dua buah kelas atau lebih pada input space. Tujuan dari penelitian ini adalah untuk mengklasifikasi 12 motif batik Banten menggunakan metode SVM. Penelitian dilakukan secara beberapa tahap yaitu resize untuk menyamakan dimensi citra, grayscale untuk menyederhanakan citra dengan mengubah menjadi citra aras keabuan, median filter untuk menghilangkan noise pada batik, dan ekstraksi ciri sebagai masukan untuk klasifikasi menggunakan SVM. Hasil klasifikasi menggunakan SVM orde 1 yaitu sebesar 85%, dan untuk orde 2 sebesar 87,2%.https://jurnaleeccis.ub.ac.id/index.php/eeccis/article/view/570 |
spellingShingle | Romi Wiryadinata Muhammad Rofiki Adli Rian Fahrizal Rocky Alfanz Klasifikasi 12 Motif Batik Banten Menggunakan Support Vector Machine Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) |
title | Klasifikasi 12 Motif Batik Banten Menggunakan Support Vector Machine |
title_full | Klasifikasi 12 Motif Batik Banten Menggunakan Support Vector Machine |
title_fullStr | Klasifikasi 12 Motif Batik Banten Menggunakan Support Vector Machine |
title_full_unstemmed | Klasifikasi 12 Motif Batik Banten Menggunakan Support Vector Machine |
title_short | Klasifikasi 12 Motif Batik Banten Menggunakan Support Vector Machine |
title_sort | klasifikasi 12 motif batik banten menggunakan support vector machine |
url | https://jurnaleeccis.ub.ac.id/index.php/eeccis/article/view/570 |
work_keys_str_mv | AT romiwiryadinata klasifikasi12motifbatikbantenmenggunakansupportvectormachine AT muhammadrofikiadli klasifikasi12motifbatikbantenmenggunakansupportvectormachine AT rianfahrizal klasifikasi12motifbatikbantenmenggunakansupportvectormachine AT rockyalfanz klasifikasi12motifbatikbantenmenggunakansupportvectormachine |