Ramadhani. KLASIFIKASI TEKSTUR PADA TEKSTIL MENGGUNAKAN SUPPORT VECTOR MACHINE MULTI KELAS. Banda Aceh : Universitas Syiah Kuala, 2019

Abstrak

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

Baca Juga : KLASIFIKASI SEVERITY SCORING PENYAKIT KULIT DERMATITIS ATOPIK MENGGUNAKAN MULTI-CLASS SVM (Rivansyah Suhendra, 2020) ,

Baca Juga : KLASIFIKASI MUTU FISIK JAGUNG PIPIL MENGGUNAKAN CITRA DIGITAL DAN SUPPORT VECTOR MACHINE (SVM) (Azkia Maghfirah, 2019) ,

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

Tulisan yang relevan

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

PENGUJIAN DAN PEMBAHARUAN ALGORITMA INDOACRO UNTUK PENENTUAN PASANGAN AKRONIM DAN KEPANJANGANNYA DARI DATA TEKS DALAM BAHASA INGGRIS (ARIQ NAUFAL KAMIL, 2020) ,

IDENTIFIKASI BIBIT PALA JANTAN DAN BETINA BERDASARKAN FITUR BENTUK DAN TEKSTUR DAUN MENGGUNAKAN METODE LEARNING VECTOR QUANTIZATION (ERI SATRIA RZ, 2019) ,


Kembali ke halaman sebelumnya


Pencarian

Advance



Jenis Akses


Tahun Terbit

   

Program Studi