PENGARUH GRAY LEVEL CO-OCCURRENCE MATRIX TERHADAP PENGENALAN CITRA DIGITAL TOKOH WAYANG GOLEK MENGGUNAKAN KLASIFIKASI CONVOLUTIONAL NEURAL NETWORKS

Rinaldi Ardiansyah, - (2019) PENGARUH GRAY LEVEL CO-OCCURRENCE MATRIX TERHADAP PENGENALAN CITRA DIGITAL TOKOH WAYANG GOLEK MENGGUNAKAN KLASIFIKASI CONVOLUTIONAL NEURAL NETWORKS. S1 thesis, Universitas Pendidikan Indonesia.

[img] Text
S_KOM_1307018_Title.pdf

Download (198kB)
[img] Text
S_KOM_1307018_Abstract.pdf

Download (106kB)
[img] Text
S_KOM_1307018_Table_of_content.pdf

Download (295kB)
[img] Text
S_KOM_1307018_chapter 1.pdf

Download (307kB)
[img] Text
S_KOM_1307018_Chapter 2.pdf
Restricted to Staf Perpustakaan

Download (827kB)
[img] Text
S_KOM_1307018_Chapter 3.pdf

Download (457kB)
[img] Text
S_KOM_1307018_Chapter 4.pdf
Restricted to Staf Perpustakaan

Download (957kB)
[img] Text
S_KOM_1307018_Chapter 5.pdf

Download (106kB)
[img] Text
S_KOM_1307018_Bibliography.pdf

Download (293kB)
[img] Text
S_KOM_1307018_Appendix.pdf
Restricted to Staf Perpustakaan

Download (36MB)
Official URL: http://repository.upi.edu

Abstract

Wayang Golek merupakan seni boneka tradisional yang berasal dari tanah Sunda. Kesenian Wayang Golek berisi cerita-cerita yang berbeda dan secara keseluruhan tokoh Wayang Golek berjumlah 70 buah. Tokoh-tokoh wayang tersebut memiliki sifat atau watak unik yang dapat dibedakan dengan memperhatikan tekstur, bentuk, raut wajah, pakaian, aksesoris, dan proporsi dari tiap tokoh Wayang Golek. Bagi orang-orang yang paham dan mengerti dalam dunia kesenian daerah ini tentu sangat mudah dalam mengenali perbedaan tersebut. Tetapi akan sangat sulit bagi orang awam atau orang yang baru mempelajari kesenian Wayang Golek untuk mengenali setiap tokohnya. Oleh karena itu penelitian ini akan mengembangkan sistem pengenalan tokoh Wayang Golek. Dalam melakukan pengenalan objek diperlukan pengenalan pola yang dapat diartikan sebagai proses klasifikasi objek menjadi beberapa kelas atau kategori. Proses klasifikasi tersebut menjadi acuan dalam pengambilan keputusan untuk mendapatkan informasi hasil pengenalan citra. Pada penelitian ini menggunakan metode Grey Level Co-occurrence Matrix sebagai metode untuk ekstraksi fitur tekstur citra dan metode Convolutional Neural Network (CNN) untuk proses klasifikasi. Dataset citra wayang yang diproses diambil dengan menggunakan kamera digital dan terkumpul sebanyak 980 data citra.Dataset citra dipartisi menggunakan Cross Validation dengan 5 folds. Hasil eksperimen pengenalan citra tokoh wayang golek berdasarkan 2 proses penelitian yang dilakukan yaitu, klasifikasi CNN tanpa ekstraksi GLCM sebesar 95.29% dan nilai F1 sebesar 95.28% diambil dari nilai rata-rata tertinggi dari 3 jenis dataset bagian citra wayang golek, dan klasifikasi CNN dengan data inputan hasil ekstraksi GLCM sebesar 95.09% dan F1 sebesar 95.02% dengan menggunakan dataset bagian citra wayang tertinggi berdasarkan proses penelitian pertama.; Wayang Golek puppet art is traditionally derived from the land of Sunda. Wayang Golek contains different stories and overall figures of Wayang Golek amounted to 70 pieces. The puppet characters have properties or unique character can be distinguished by observing the texture, the shape, the look on the face, clothes, accessories, and the proportion of each of the figures of Wayang Golek. For people who know and understand in the world of art of this area is certainly very easy to recognize the difference. But it would be very difficult for common people or people who recently studied the Wayang Golek to recognize each character. Therefore, this research will develop a character recognition system of Wayang Golek. In doing the required pattern recognition object recognition can be defined as the process of classification of objects into multiple classes or categories. The classification process became reference in decision making to get the information of the results of the introduction of the image. In this study using the method of Gray Level Co-occurrence Matrix as a method for extracting features of the texture image and method of Convolutional Neural Network (CNN) for the classification process. The puppet image datasets processed taken using digital cameras and collected as much as 980 image data. Image dataset partitioned using Cross Validation with 5 folds. Experimental results of introduction of Wayang Golek figure image based on two schemes research done that is, classification of CNN without extraction of GLCM of 95.29% and F1 values of 95.28% taken from the highest average rating from 3 different types of datasets part image wayang golek, and classification of CNN with the data inputan GLCM extraction results of 95.09% and F1 of 95.02% using the highest part of the puppet's image dataset based on the first research scheme.

Item Type: Thesis (S1)
Additional Information: No panggil ; S KOM RIN p-2019; Pembimbing : I. Rani Megasari, II. Yaya Wihardi; NIM : 1307018
Uncontrolled Keywords: Gray Level Co-occurence Matrix, Convolutional Neural Network, pengolahan citra, wayang golek, pengenalan citra digital.
Subjects: N Fine Arts > NX Arts in general
Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Ilmu Komputer
Depositing User: Yayu Wulandari
Date Deposited: 14 May 2020 07:55
Last Modified: 14 May 2020 07:55
URI: http://repository.upi.edu/id/eprint/48696

Actions (login required)

View Item View Item