Klasifikasi Motif Songket Palembang menggunakan Support Vector Machine berdasarkan Histogram of Oriented Gradients

Jurnal Teknologi Terpadu Pub Date : 2023-12-12 DOI:10.54914/jtt.v9i2.1032

Yohannes Yohannes, M. E. Al Rivan, Siska Devella, Meiriyama Meiriyama

{"title":"Klasifikasi Motif Songket Palembang menggunakan Support Vector Machine berdasarkan Histogram of Oriented Gradients","authors":"Yohannes Yohannes, M. E. Al Rivan, Siska Devella, Meiriyama Meiriyama","doi":"10.54914/jtt.v9i2.1032","DOIUrl":null,"url":null,"abstract":"Songket Palembang merupakan salah satu warisan budaya takbenda dengan domain kemahiran dan kerajinan tradisional. Songket Palembang memiliki beberapa jenis motif antara lain Bunga Cina, Cantik Manis, dan Pulir. Upaya pelestarian dilakukan dengan memberikan pemahaman tentang motif songket palembang. Pada penelitian ini dilakukan pengklasifikasian motif songket Palembang berdasarkan fitur bentuk dengan menggunakan metode Histogram of Oriented Gradient (HOG). Berdasarkan hasil pengujian terhadap 45 citra data uji, bahwa metode HOG mampu menjadi fitur dalam klasifikasi citra motif Songket Palembang, yaitu motif Bunga Cina, Cantik Manis, dan Pulir. Metode Support Vector Machine (SVM) digunakan sebagai metode klasifikasi yang dapat mengenali motif Songket Palembang dengan kernel RBF, Linier dan Polinomial. Hasil pengujian menunjukkan bahwa kernel RBF menjadi kernel terbaik yang menghasilkan rata-rata nilai accuracy sebesar 88.1%, precision sebesar 84.1%, recall sebesar 82.2% dan f1-score sebesar 82.6% serta dari tiga motif songket Palembang yang diuji didapatkan hasil bahwa motif Songket Palembang yang paling mudah diklasifikasikan dengan baik adalah motif Cantik Manis untuk semua jenis kernel SVM.","PeriodicalId":428429,"journal":{"name":"Jurnal Teknologi Terpadu","volume":"19 8","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-12-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Teknologi Terpadu","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.54914/jtt.v9i2.1032","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

Abstract

Songket Palembang merupakan salah satu warisan budaya takbenda dengan domain kemahiran dan kerajinan tradisional. Songket Palembang memiliki beberapa jenis motif antara lain Bunga Cina, Cantik Manis, dan Pulir. Upaya pelestarian dilakukan dengan memberikan pemahaman tentang motif songket palembang. Pada penelitian ini dilakukan pengklasifikasian motif songket Palembang berdasarkan fitur bentuk dengan menggunakan metode Histogram of Oriented Gradient (HOG). Berdasarkan hasil pengujian terhadap 45 citra data uji, bahwa metode HOG mampu menjadi fitur dalam klasifikasi citra motif Songket Palembang, yaitu motif Bunga Cina, Cantik Manis, dan Pulir. Metode Support Vector Machine (SVM) digunakan sebagai metode klasifikasi yang dapat mengenali motif Songket Palembang dengan kernel RBF, Linier dan Polinomial. Hasil pengujian menunjukkan bahwa kernel RBF menjadi kernel terbaik yang menghasilkan rata-rata nilai accuracy sebesar 88.1%, precision sebesar 84.1%, recall sebesar 82.2% dan f1-score sebesar 82.6% serta dari tiga motif songket Palembang yang diuji didapatkan hasil bahwa motif Songket Palembang yang paling mudah diklasifikasikan dengan baik adalah motif Cantik Manis untuk semua jenis kernel SVM.

查看原文本刊更多论文

使用基于方向梯度直方图的支持向量机对巴伦邦宋凯特图案进行分类

巴伦邦宋凯特是传统技能和工艺领域的非物质文化遗产之一。巴伦邦歌凯有几种图案，包括 Bunga Cina、Cantik Manis 和 Pulir。保护工作是通过了解巴伦邦歌凯图案来进行的。在这项研究中，巴伦邦歌德图案的分类是基于使用定向梯度直方图（HOG）方法的形状特征。根据 45 幅测试数据图像的测试结果，HOG 方法能够作为巴伦邦歌凯图案图像（即 Bunga Cina、Cantik Manis 和 Pulir 图案）的分类特征。支持向量机（SVM）方法被用作一种分类方法，它可以识别具有 RBF、线性和多项式核的巴伦邦宋凯特图案。测试结果表明，RBF 内核是最好的内核，其平均准确率为 88.1%，精确率为 84.1%，召回率为 82.2%，f1-分数为 82.6%；在测试的三个巴伦邦颂歌图案中，发现在所有 SVM 内核类型中最容易分类的巴伦邦颂歌图案是 Cantik Manis 图案。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Jurnal Teknologi Terpadu

自引率

0.00%

发文量