APLIKASI PENGKLASIFIKASIAN MOTIF BATIK TULIS LASEM MENGGUNAKAN METODE GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM) DAN SUPPORT VECTOR MACHINE (SVM)
Teks penuh
Dokumen terkait
Batik Image Retrieval Based on Color Difference Histogram and Gray Level Co-Occurrence Matrix.. Agus Eko Minarno* 1 , Nanik Suciati
Dengan ini saya menyatakan bahwa skripsi berjudul Klasifikasi Fragmen Metagenome Menggunakan KNN dan PNN dengan Ekstraksi Fitur Gray Level Co-occurrence Matrix
Dari hasil penelitian didapatkan bahwa identifikasi jenis jerawat menggunakan metode ekstraksi fitur GLCM dan algoritma SVM pada ukuran citra 256x256 piksel
Metode yang diajukan dalam penelitian ini adalah menggabungkan features Histogram of Oriented Gradient (HOG) dan features Gray-Level Co-occurrence Matrix (GLCM)
Sehingga didapatkan akurasi terbaik sebesar 97.9167% dengan waktu komputasi 0.0286s dengan menggunakan metode GLCM dimana digunakan ekstraksi ciri berdasarkan tekstur dan warna
Dengan menggunakan algoritma backpropagatian pada jaringan syaraf tiruan diperoleh hasil untuk kemampuan jaringan syaraf mengklasifikasi citra batik dalam 2 buah kelas
1161 processing used is the application program creation in matlab using the Gray level Co-occurrence Matrix GLCM and Extreme Learning Machine ELM method in quantifying the degree of
Kesimpulan Berdasarkan hasil eksperimen yang telah dilakukan didapatkan bahwa metode usulan yakni metode GLCM Gray Level Co-occurrence matrics dengan fitur kontras, dissimilarity,
