//

KLASIFIKASI TEKSTUR PADA TEKSTIL MENGGUNAKAN SUPPORT VECTOR MACHINE MULTI KELAS

BACA FULL TEXT ABSTRAK Pemesanan Versi cetak
Pengarang Ramadhani - Personal Name
Bahasa Indonesia
Fakultas Fakultas Pascasarjana
Tahun Terbit 2019

Abstrak/Catatan

Tekstur merupakan pola atau motif tertentu yang tersusun secara berulang-ulang pada citra. Tekstur mudah dikenali/dikelompokkan oleh manusia, tetapi sulit bagi mesin. Klasifikasi tekstur secara otomatis berguna dan dibutuhkan pada banyak bidang seperti industri tekstil, pendaratan pesawat otomatis, fotografi dan seni. Pada industri tekstil, klasifikasi tekstur otomatis dapat meningkatkan efisiensi proses desain motif. Motif tekstil terdiri dari banyak kelompok, sehingga diperlukan metode klasifikasi multi kelas untuk mengelompokkan motif-motif tersebut. Artikel ini memaparkan kinerja tiga metode Support Vector Machine (SVM) multi kelas: One Against One (OAO), Directed Acyclic Graph (DAG) dan One Against All (OAA) pada klasifikasi motif dari citra tekstil, dimana Wavelet Gabor digunakan sebagai pengekstraksi fitur. Kinerja SVM diukur berdasarkan parameter akurasi dan fitur Gabor diekstraksi dengan skala dan orientasi yang berbeda. Tujuan penelitian ini adalah menentukan kinerja SVM dan pengaruh jumlah skala dan orientasi Gabor yang digunakan pada klasifikasi motif tekstil. Pada simulasi digunakan 120 citra tekstil yang terbagi menjadi tiga kategori motif: bunga, kotak dan polkadot. Akurasi pengelompokan SVM mencapai kisaran 90%-100%, bahkan untuk citra yang terpotong. Pengujian dengan k-fold validation menunjukkan bahwa SVM DAG lebih baik daripada SVM OAO dan SVM OAA, dengan akurasi mencapai 78%.

Tempat Terbit Banda Aceh
Literature Searching Service

Hard copy atau foto copy dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan isi formulir online (Formulir Online)

Share Social Media

Tulisan yang Relevan

KLASIFIKASI DOKUMEN BERITA KECELAKAAN TRANSPORTASI BERBAHASA INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (Nur Ratna Sari, 2016)

ANALISIS PERBANDINGAN PENERAPAN ALGORITMA LEVENBERG-MARQUARDT, BACKPROPAGATION DAN SUPPORT VECTOR MACHINE PADA INTRUSION DETECTION SYSTEM (Aulya Syukur Ak, 2019)

MEMBANDINGKAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) DAN K-NEAREST NEIGHBOR (KNN) DALAM MEMBANGUN REPOSITORI AKRONIM-EKSPANSI DARI HALAMAN WEB SECARA OTOMATIS (Amir Mahazir, 2016)

ANALISIS SENTIMEN MASYARAKAT DI TWITTER TERHADAP UNIVERSITAS SYIAH KUALA MENGGUNAKAN METODE KLASIFIKASI SUPPORT VECTOR MACHINES (SVM) (FIKA RASITA SARI, 2017)

ANALISA PEMBARUAN KAMUS SECARA OTOMATIS DALAM PENGKATEGORIAN HALAMAN WEB PENYAKIT TROPIS (Ulfa Nadia, 2014)

  Kembali ke sebelumnya

Pencarian

Advance



Jenis Akses


Tahun Terbit

   

Program Studi

   

© UPT. Perpustakaan Universitas Syiah Kuala 2015     |     Privacy Policy