Anda belum Log-in!
Silahkan Log in
Selamat Datang di Portal Digital Content Publisher
Minggu , 08 June 2025
Perpustakaan sebagai jantung pendidikan tinggi di Indonesia, harus mampu memberi kontribusi yang berarti bagi pelaksanaan proses belajar mengajar di perguruan tinggi.
di-posting oleh 120411100091 pada 2016-08-29 11:48:31 • 179 klik
PENGENALAN MOTIF BATIK MADURA MENGGUNAKAN 2D- DISCRETE COSINE TRANSFORM DAN NEURAL NETWORK BACKPROPAGATION
THE RECOGNATION OF MADURA BATIK PATTERN USING 2D- DISCRETE COSINE TRANSFORM AND NEURAL NETWORK BACKPROPAGATION
disusun oleh AHMAD MADANI
| Subyek: | Pengenalan Pola Komputasi dan Kecerdasan Buatan Klasifikasi |
| Kata Kunci: | Batik 2-D discrete cosine transform backpropagation K-fold cross validation |
[ Anotasi Abstrak ]
Batik merupakan salah satu budaya yang sudah menjadi identitas bagi negara Indonesia. Batik indonesia mempunyai banyak keanekaragaman motif dan setiap daerah memiliki model dan ciri khas yang hampir sama. Masyarakat pada umumnya hanya menggunakan batik tanpa mengenal dari mana asal batik yang mereka gunakan. Mereka tidak bisa membedakan asal motif dan model yang ada di setiap batik. Sehingga diperlukan sistem yang dapat membedakan jenis batik khususnya batik madura. Pada penelitian ini akan melakukan teknik untuk mengklasifikasikan batik dengan menggunakan Jaringan syaraf tiruan Backpropagation. Sedangkan untuk ekstrasi cirinya menggunakan metode 2-D Discreet Cosine Transform (DCT). Dimana data training dan data testing akan di uji secara acak menggunakan metode K-Fold Cross Validation. Hasil dari penelitian ini berupa sistem yang dapat menglasifikasi Batik Madura. Pada penelitian ini akurasi tertinggi batik yang dapat dikenali sistem adalah 46.153%.
Deskripsi Lain
Batik has became one of Indonesia cultural identity. Indonesian Batik has lots of diversity in pattern and each region has designs and characteristics that are almost the same each other. Generally, people only use batik without knowing where it came from; they cannot differentiate the provenance of the pattern and the design from each batik. So that, we need a system that can distinguish the types of batik, especially Madura Batik. This study will classify batik using Neural Network Backpropagation, meanwhile for its characteristics extraction using 2-D Discreet Cosine Transform (DCT). The training data and testing data will be tested randomly using the K-Fold Cross Validation method. The result of this study is a system that can classify Batik Madura. In this study, the highest accuracy of batik that can be recognized by system is 46.153%.
| Kontributor | : Mulaab, S.Si., M.Kom;Rosida Vivin Nahari, S.Kom |
| Tanggal tercipta | : 2016-08-15 |
| Jenis(Tipe) | : Text |
| Bentuk(Format) | |
| Bahasa | : Indonesia |
| Pengenal(Identifier) | : TRUNOJOYO-Tugas Akhir-9398 |
| No Koleksi | : 120411100091 |
Download File Penyerta (khusus anggota terdaftar)
1. TRUNOJOYO-Tugas Akhir-9398-120411100091_Abstrak.pdf - 199 KB 2. TRUNOJOYO-Tugas Akhir-9398-120411100091_Cover.pdf - 561 KB 3. TRUNOJOYO-Tugas Akhir-9398-120411100091_Chapter I.pdf - 330 KB 4. TRUNOJOYO-Tugas Akhir-9398-120411100091_Chapter II.pdf - 662 KB 5. TRUNOJOYO-Tugas Akhir-9398-120411100091_Chapter III.pdf - 770 KB 6. TRUNOJOYO-Tugas Akhir-9398-120411100091_Chapter IV.pdf - 535 KB 7. TRUNOJOYO-Tugas Akhir-9398-120411100091_Conclusion.pdf - 174 KB 8. TRUNOJOYO-Tugas Akhir-9398-120411100091_References.pdf - 174 KB 9. TRUNOJOYO-Tugas Akhir-9398-120411100091_Appendices.pdf - 2352 KB
Dokumen sejenis...Tidak ada !
Dokumen yang bertautan...- ANALISIS KELAYAKAN DAN STRATEGI PENGENBANGAN USAHA BATIK MADURA (STUDI KASUS DI UD. PESONA BATIK MADURA KABUPATEN BANGKALAN)
- ANALISIS KELAYAKAN DAN STRATEGI PENGENBANGAN USAHA BATIK MADURA (STUDI KASUS DI UD. PESONA BATIK MADURA KABUPATEN BANGKALAN)
- MODEL PENJUALAN PRODUK UNGGULAN BATIK KHAS PAMEKASAN BERBASIS ELECTRONIC COMMERCE
- OPTIMISASI PROSES PEMESINAN KOMPONEN OTOMOTIF PADA MESIN CNC DENGAN ALGORITMA SIMULATED ANNEALING
- IDENTIFIKASI UNTUK PENENTUAN TINGKAT KESESUAIAN LAHAN TERHADAP PADI SAWAH MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION DENGAN VISUALISASI GOOGLE MAPS API
Kembali ke Daftar