Kurniawati, Ni Luh Putu (2022) Pengenalan Citra Ukiran Ornamen Tradisional Bali Dengan Convolutional Neural Network Dan Discrete Wavelet Transform. Masters thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
1929101041-COVER.pdf Download (1MB) |
|
Text (ABSTRAK)
1929101041-ABSTRAK.pdf Download (35kB) |
|
Text (BAB 1 PENDAHULUAN)
1929101041-BAB 1 PENDAHULUAN.pdf Download (46kB) |
|
Text (BAB 2 KAJIAN TEORI)
1929101041-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (738kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
1929101041-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (510kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
1929101041-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (946kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
1929101041-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (30kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
1929101041-DAFTAR PUSTAKA.pdf Download (97kB) |
|
Text (LAMPIRAN)
1929101041-LAMPIRAN.pdf Download (1MB) |
Abstract
Ukiran Bali kurang diketahui oleh masyarakat disebabkan karena minimnya informasi tentang ukiran Bali. Informasi yang minim mengenai ukiran Bali dapat diatasi dengan memanfaatkan kemajuan teknologi informasi di bidang pengolahan citra yaitu pengenalan pola ukiran Bali. Pada model pengenalan pola objek pada citra, terdapat beberapa hal yang dapat dilakukan analisis seperti metode pengenalan yang digunakan, ekstraksi fitur, termasuk model pada preprocessing untuk mengurangi noise dalam sebuah citra ukiran bali. Pada penelitian ini digunakan Convolutional Neural Network (CNN) untuk melakukan klasifikasi citra ukiran Bali yang dikombinasikan dengan Discrete Wavelet Transform (DWT) dalam melakukan ekstraksi fitur citra. Pengenalan dilakukan terhadap 25 kategori ornamen ukiran Bali. Pengujian dihasilkan berdasarkan tingkat akurasi yang dihasilkan pada proses pengujian. Analisis hasil dilakukan pada model yang dihasilkan, yaitu analisis antara kombinasi CNN dengan DWT dan tanpa DWT. Pengujian data set dengan jumlah data training 212 dan data testing 129 ini mempergunakan seluruh channel DWT. Berdasarkan hasil pengujian yang telah dilakukan, didapatkan hasil bahwa dengan menggunakan fitur ekstraksi DWT menghasilkan nilai akurasi testing yang lebih tinggi yaitu 35,66 % untuk 25 kelas dan 74, 42% untuk 3 kelas ukiran. Sedangkan tanpa menggunakan DWT menghasilkan nilai akurasi sebesar 32,56% untuk 25 kelas dan 66,67% untuk 3 kelas ukiran. Pada penelitian selanjutnya diharapkan ada perbaikan metode eksplorasi data set dan pengambilan gambar yang bagus dengan jumlah yang seimbang dan memadai untuk 25 kelas ukiran yang sudah didapatkan.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | Citra, Ukiran Bali, Convolutional Neural Network, DWT |
| Subjects: | N Fine Arts > NK Decorative arts Applied arts Decoration and ornament T Technology > T Technology (General) |
| Divisions: | Pascasarjana > Program Studi Ilmu Komputer (S2) |
| Depositing User: | NI LUH PUTU KURNIAWATI |
| Date Deposited: | 23 Jul 2022 00:24 |
| Last Modified: | 23 Jul 2022 00:24 |
| URI: | http://repo.undiksha.ac.id/id/eprint/12469 |
Actions (login required)
 |
View Item |