KLASIFIKASI KAIN TENUN BERDASARKAN TEKSTUR & WARNA DENGAN METODE K-NN

Kevin Kevin, Janson Hendryli, Dyah Erny Herwindiati

Abstract


Image classification of woven cloth based on texture and color using Gray Level Co-occurrence Matrix (GLCM), Local Binary Pattern (LBP), Color Moments and classification method KNearest Neighbour (KNN) is an application for classifying motive on woven cloth. The development of this application is using Python language programming for classification system and Android studio which using Java language programming as Front-end. Classification system consist of two main process namely feature extraction process and classification process. Feature extraction process is using GLCM, LBP and Color Moments which produce feature vector for every method and classification process is using KNN method. Feature used for classification process is feature vector which has best result. Based on experiment result, the best method that produce best feature vector is LBP method with accuracy percentage higher than other method.

 

 

Klasifikasi citra kain tenun berdasarkan tekstur dan warna dengan metode Gray Level Cooccurrence Matrix (GLCM), Local Binary Pattern (LBP), Color Moments dan metode klasifikasi K-Nearest Neighbour (KNN) merupakan aplikasi yang digunakan untuk mengklasifikasi motif yang ada pada kain tenun. Pembuatan aplikasi ini menggunakan bahasa pemrograman Python sebagai sistem klasifikasi dan Android studio yang menggunakan bahasa pemrograman Java sebagai Front-end. Sistem klasifikasi dibagi menjadi dua proses utama yaitu proses ekstraksi fitur dan proses klasifikasi. Proses ekstraksi fitur dilakukan dengan metode GLCM, LBP dan Color Moments yang menghasilkan fitur vektor untuk setiap metode dan proses klasifikasi dilakukan dengan metode K-NN. Fitur yang digunakan dalam proses klasifikasi adalah fiturvektor yang memiliki hasil terbaik. Berdasarkan hasil pengujian yang telah dilakukan, metode yang dapat menghasilkan fitur terbaik adalah metode LBP dengan persentase akurasi lebih tinggi dibandingkan dengan dua metode lainnya.


Keywords


Moments; Gray Level Co-occurrence Matrix; Kain Tenun; K-Nearest Neighbour; Local Binary Pattern

Full Text:

PDF

References


Ryszard S. Choras, 2007, Image Feature Extraction Techniques and Their Applications for CBIR and Bimoetrics Systems, International Journal of Biology and Biomedical Engineering, Vol. 1 h. 7.

Gonzales, R. C., Woods, R. E., 2002, Digital Image Processing, Prentice Hall, New Jersey.

Kartiwa, Suwati, 1987, Ragam Hias Indonesia: Tenun Ikat, Djambatan, Jakarta.

Albregtsen, Fritz, 2008, Statistical Texture Measures Computed from Gray Level Cooccurrence Matrices, https://citeseerx.ist.psu.edu/viewdoc/summary?doi=10.1.1.332.463&rank=4, diakses tanggal 23 Juli 2019.

Ojala, T., Pietikainen, M., Maenpaa, T., 2002, Multiresolution Gray-Scale and Rotation Invariant Texture Classification with Local Binary Pattern, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 24, hal. 973.

Keen, Noah, 2005, Color Moments, http://homepages.inf.ed.ac.uk/rbf/CVonline/LOCAL_COPIES/AV0405/KEEN/av_as2_nke en.pdf, diakses tanggal 23 Juli 2019.

Larose, T., Daniel, 2005, Discovering Knowledge in Data: An Introduction to Data Mining, Wiley, Hoboken




DOI: http://dx.doi.org/10.24912/computatio.v3i2.6028

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.


Copyright of COMPUTATIO : JOURNAL OF COMPUTER SCIENCE AND INFORMATION SYSTEMS (P-ISSN : 2549-2810  E-ISSN : 2549-2829)


Indexed by:

      

 

Published by:

Fakultas Teknologi Informasi

Faculty of Information Technology, Universitas Tarumanagara
Gedung R Lantai 11
Jl. Let.Jend. S.Parman No. 1 Jakarta 11440

 

Web Analytics