Perancangan Perangkat Lunak untuk Ekstraksi Ciri dan Klasifikasi Pola Batik
Teks penuh
Dokumen terkait
Tahapan pada proses ekstraksi ciri citra dengan menggunakan Algoritma Gray Level Co-Occurrence Matrix (GLCM) dapat dilihat pada Gambar 3. Gambar 4.Diagram Alir Ekstraksi
Dari unjuk kerja algoritma ID3 untuk klasifikasi pola batik Yogyakarta dengan menggunakan 10 jenis pola batik Yogyakarta, dimana setiap jenis memiliki 40
Hal ini karena pada proses pengujian, data uji yang digunakan adalah berupa citra penampang daun secara utuh dan hasil dari proses pengujian tersebut akan
Untuk mendapatkan hasil prediksi dari algoritma KNN dari data uji yang telah disiapkan, maka langkah awal citra akan dilakukan preprocessing kemudian melalui
Untuk dapat melakukan pengujian citra uji luar yang tidak termasuk dalam basis data, digunakan nilai ambang. Tanpa menggunakan nilai ambang, citra luar akan tetap dikenali
Algoritma ekstraksi ciri yang digunakan dalam pencarian nilai cost function (C) citra digital mikroskopik antara lain Teknik Penurunan Laplacian, Teknik Statistikal Variansi
Pengujian ini dilakukan sebanyak 35 kali dengan rincian 7 citra setiap motif dasar batik besurek. Seperti yang telah dijelaskan sebelumnya, bahwa motif dasar batik besurek
Pada Tabel 1 terlihat bahwa untuk jumlah data citra referensi sebanyak dua citra bagi setiap kelompok klasifikasi, dan dengan menggunakan dua citra uji yang
