EKTRAKSI FITUR GLCM PADA K-NN DALAM MENGKLASIFIKASI MOTIF BATIK

  • Cahaya Jatmoko
  • Daurat Sinaga

Abstract

Batik dipolakan menggunakan metode GLCM yang akan menghasilkan fitur energy, contrast, correlation, homogenity dan entropy. Kemudian fitur-fitur tersebut dijadikan input untuk proses klasifikasi data training dan data testing menggunakan metode KNN dengan menggunakan pencarian jarak ecludean. Klasifikasi dilakukan sebanyak 2 kali, perbedaanya terletak pada penggunaan jumlah fitur pada saat ekstraksi fitur tekstur. Yang pertama menggunakan 4 fitur yaitu energy, contrast, correlation, dan homogeneity. Klasifikasi selanjutnya menggunakan 5 fitur yang memberikan informasi nilai-nilai energy, contrast, correlation, homogeneity, dan entropy. Dari kedua klasifikasi tersebut, akan dikomparasi mana yang menghasilkan akurasi terbaik. Data training dan data testing diuji coba menggunakan perhitungan Recognition Rate untuk evaluasi sistem

Published
2019-07-24
How to Cite
Jatmoko, C., & Sinaga, D. (2019). EKTRAKSI FITUR GLCM PADA K-NN DALAM MENGKLASIFIKASI MOTIF BATIK. Proceeding SENDI_U, 66-73. Retrieved from https://www.unisbank.ac.id/ojs/index.php/sendi_u/article/view/7289