KLASIFIKASI JENIS BATIK MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (KNN) STUDI KASUS DI RUMAH BATIK KOMAR

Benita Suciani, Azarin (2024) KLASIFIKASI JENIS BATIK MENGGUNAKAN ALGORITMA K-NEAREST NEIGHBORS (KNN) STUDI KASUS DI RUMAH BATIK KOMAR. Skripsi thesis, UNIVERSITAS SANGGA BUANA YPKP.

	Text 1. Cover.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (166kB)
	Text 2. Lembar Pengesahan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (644kB)
	Text 3. Lembar Pernyataan.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text 4. Abstrak.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (218kB)
	Text 5. BAB I.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (303kB)
	Text 6. SKRIPSI FULL.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (13MB) | Request a copy
	Text 7. Daftar Pustaka.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (215kB)
	Text 8. Surat Keterangan Hasil Cek PlAGIARISME.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (346kB)

Abstract

Batik merupakan salah satu warisan dunia yang telah diakui oleh UNESCO, memiliki nilai filosofis dan seni yang tinggi serta bernilai ekonomis. Namun, dengan banyaknya jenis batik di Indonesia, banyak masyarakat masih kesulitan untuk mengetahui dan membedakan jenis-jenis batik tersebut, yang dapat mengancam kelestariannya. Kurangnya pengetahuan masyarakat tentang jenis-jenis batik dapat menyebabkan berkurangnya apresiasi dan kehilangan identitas budaya. Oleh karena itu, diperlukan penanganan yang tepat untuk mengatasi permasalahan ini. Penelitian ini bertujuan untuk membangun sistem klasifikasi jenis batik menggunakan algoritma K-Nearest Neighbors (KNN) untuk membantu masyarakat mengenali dan membedakan jenis-jenis batik, khususnya Batik Lasem, Batik Sekar Jagad, Batik Tambal, dan Batik Truntum. Diharapkan sistem ini dapat meningkatkan kesadaran dan pengetahuan masyarakat tentang kekayaan budaya batik serta membantu dalam pelestarian warisan budaya Indonesia. Hasil pengujian sistem menunjukkan perbedaan akurasi di setiap percobaan dengan dataset berjumlah 200 gambar, terdiri dari 50 gambar per jenis batik. Akurasi tertinggi diperoleh dari percobaan ketiga, yaitu sebesar 85%, sedangkan percobaan kedua menghasilkan akurasi sebesar 72.5%, dan percobaan pertama memperoleh akurasi sebesar 65%.

Actions (login required)

View Item