ZUL YAHDINUR (2017) IDENTIFIKASI CITRA MOTIF SONGKET RIAU MENGGUNAKAN METODE EKSTRAKSI FITURLOCAL BINARY PATTERNDAN KLASIFIKASI LEARNING VECTOR QUANTIZATION. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER.pdf Download (132kB) | Preview |
|
|
Text
2. PENGESAHAN.pdf Download (323kB) | Preview |
|
|
Text
3. ABSTRAK.pdf Download (96kB) | Preview |
|
|
Text
4. KATA PENGANTAR.pdf Download (249kB) | Preview |
|
|
Text
5. DAFTAR ISI.pdf Download (296kB) | Preview |
|
|
Text
6. BAB I.pdf Download (222kB) | Preview |
|
|
Text
7. BAB II.pdf Download (590kB) | Preview |
|
|
Text
8. BAB III.pdf Download (353kB) | Preview |
|
|
Text
9. BAB IV.pdf Download (1MB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V.pdf Restricted to Repository staff only Download (703kB) |
|
|
Text
11. BAB VI.pdf Download (96kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA.pdf Download (390kB) | Preview |
Abstract
Kain songket Riau merupakan salah satu warisan budaya Indonesia yang dilindungi undang-undang. Namun tidak banyak masyarakat yangmengenali songket dan motifsongket Riau.Motif songket Riau memiliki banyak variasisehinggasering terjadi kesalahandalam mengenalimotifnya.Oleh karena itu, makadiperlukan suatu sistem agar dapat mengidentifikasi motif songket Riau. Pada penelitian ini, motif songket diidentifikasipada bagian kepala kaindalam bentuk ciri tekstur pada pengolahan citra digital dengan menggunakan metode ekstraksi fitur Local binary patterndan klasifikasi Learning Vector Quantization. Terdapat 5 nilai ciri tekstur dalam pengolahan citrayang digunakan yaitu mean,variance,skewness,kurtosis danentropy. Jumlah data sampleyang digunakan sebanyak 160 data. Terbagi dalam rasio penelitian data latih berbanding data uji yaitu 70:30, 80:20, dan 90:10. Dari hasil pengujian diperoleh akurasi tertinggi 56,25% pada rasio 90:10dengan parameter LVQ 0.01learning rate, 0.01pengurangan learning ratedan 0.00001minimal learning rate.Kata Kunci: Ciri tekstur, Identifikasimotif songket,Local binary pattern,Learning Vector Quantization, Pengolahan citra.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 600 Teknologi dan Ilmu-ilmu Terapan |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 04 Sep 2019 07:24 |
| Last Modified: | 04 Sep 2019 07:24 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/19148 |
Actions (login required)
 |
View Item |