PENGGUNAAN MACHINE LEARNING UNTUK PENGENALAN POLA BATIK PARANG MENGGUNAKAN PCA (PRINCIPAL COMPONENT ANALYSIS)

Wulandari, Safira Putri and WULANNINGRUM, RESTY and PAMUNGKAS, DANAR PUTRA (2020) PENGGUNAAN MACHINE LEARNING UNTUK PENGENALAN POLA BATIK PARANG MENGGUNAKAN PCA (PRINCIPAL COMPONENT ANALYSIS). Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_55201_16103020053.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (970kB) | Request a copy
	Text (Similarity) RAMA_55201_16103020053.SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (523kB)
	Text (Cover BAB 1 + References) RAMA_55201_16103020053_0719068702_0708028704_06_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (89kB)

Abstract

Batik merupakan suatu warisan nenek moyang bangsa Indonesia dan merupakan ciri khas bangsa Indonesia. Hampir seluruh daerah di Indonesia memiliki ciri khas motif batik sendiri. Dan setiap motif tersebut memiliki berbagai macam makna dan sejarah dari setiap daerah tersebut. Seperti Batik Parang, motif batik Parang memiliki makna petuah untuk tidak pernah menyerah, ibarat ombak laut yang tak pernah berhenti bergerak. Banyaknya kemiripan pola pada batik parang sehingga membuat banyak orang susah mengenali batik tersebut. Selagi itu batik parang merupakan pantangan bagi warga masyarakat Kecamatan Ngluyu KabupatenNganjuk sehingga masyarakat Ngluyu wajib mengetahui batik tersebut. Dengan memanfaatkan teknologi Machine Learning. Teknologi ini merupakan cabang ilmu dari Artificial Intellegence (Kecerdasan Buatan ) yang focus pada pengembangan sebuah system program oleh manusia, dengan begitu Machine Learning dapat di terapkan pada sebuah sistem yang bisa mengenali pola batik parang agar mempermudah pengenalan batik tersebut. Menggunakan metode PCA (Principal Component Analysis) dan klasifikasi metode Euclidean Distance. Dari hasil penelitian diperoleh nilai akurasi terbaik yaitu 93,3% dengan nilai threshold 0-255 pada skenario 2.

Actions (login required)

View Item