Prasetio, Luki (2019) KLASIFIKASI BATIK KRAKATOA MENGGUNAKAN METODE BACKPROPAGATION. S1 thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa.

	Text (Fulltext) LAPORAN FULL LUKI .pdf Restricted to Registered users only Download (4MB)
	Text (Abstrak) ABSTRAK (44).pdf Download (142kB)

Abstract

Kain batik adalah ciri khas dari bangsa Indonesia yang merupakan warisan asli budaya yang tidak dimiliki oleh bangsa lain ataupun negara tetangga. Namun, kurangnya kesadaran masyarakat akan budaya bangsa menyebabkan beberapa tahun belakangan ini, batik diklaim dan diakui sebagai budaya bangsa lain. Oleh karena itu, perlu adanya perhatian serius untuk mencegah terjadinya hal tersebut. Dengan mengklafikasikan motif batik Krakatoa sesuai dengan jenisnya dan menganalisa pola motif batik. Penelitian ini mencoba mengklasifikasi motif batik Krakatoa dengan menggunakan metode jaringan syaraf tiruan yaitu Backpropagation untuk mengklasifikasi motif batik Krakatoa yang lebih akurat. Perancangan untuk klasifikasi motif batik Banten menggunakan Backpropagation dapat dilakukan dengan beberapa tahap yaitu resize untuk memperkecil piksel, grayscale untuk menyederhanakan citra dengan merubah menjadi citra keabuan, median filter untuk menghilangkan noise pada batik. Setelah proses itu, dilakukan pengambilan nilai ekstraksi ciri dari setiap motif batik sebagai inputan untuk klasifikasi menggunakan Backpropagation. Hasil Tingkat akurasi klasifikasi 10 motif batik Krakatoa dengan menggunakan Backpropagation yaitu 94% untuk single layer, dan 92% untuk double layer.

Item Type:	Thesis (S1)
Contributors:	Contribution Contributors NIP/NIM Thesis advisor Fahrizal, Rian UNSPECIFIED Thesis advisor Maulana, Alief UNSPECIFIED
Uncontrolled Keywords:	Batik Krakatoa, Backpropagation, Jaringan Syaraf Tiruan (JST), Klasifikasi
Subjects:	H Social Sciences > H Social Sciences (General) Q Science > Q Science (General)
Divisions:	03-Fakultas Teknik > 20201-Jurusan Teknik Elektro
Depositing User:	Perpustakaan FT
Date Deposited:	21 Jun 2024 15:57
Last Modified:	21 Jun 2024 15:57
URI:	http://eprints.untirta.ac.id/id/eprint/36557

Actions (login required)

View Item