@thesis{thesis, author={Sari Anita}, title ={Perbandingan Metode K-Nearest Neighbour (KNN) Dan Support Vector Machine (SVM) Dalam Identifikasi Pola Motif Batik Menggunakan Ekstraksi Fitur Radially Averaged Power Spectrum Value (RAPSV)}, year={2023}, url={http://eprints.umg.ac.id/10219/}, abstract={Batik merupakan salah satu kesenian budaya yang ada di Indonesia, warisan budaya yang diturunkan secara turun temurun dari nenek moyang. Batik adalah hasil cipta karya seni luhur yang diwujudkan dalam pola kain untuk pakaian, sarung, kain pajang dan kain hias lainnya. Sejak dulu batik sudah dikenal dan dikembangkan oleh masyarakat Indonesia. Banyak daerah di Indonesia mempunyai pola motif batik yang berbeda sesuai dengan ciri khas daerah masing-masing. Penelitian ini bertujuan untuk mengenali pola motif batik yang ada didaerah jawa. Motif batik yang akan dideteksi adalah Kawung, Megamendung, Parang, Tambal dan Truntum. Adapun pengenalan motif batik ini didasarkan pada tekstur yang terbentuk pada pola motif masing-masing. Metode yang digunakan adalah Radially Averaged Power Spectrum Value (RAPSV) sebagai ekstraksi fiturnya. Penelitian ini memberikan pengenalan pola motif batik dengan hasil akurasi tertinggi 66.66% dengan menggunakan mesin pembelajaran K-Nearest Neighbour (KNN) dengan k=1 dan mesin pembelajaran Support Vector Machine (SVM) sebesar 26.66%.} }