Sulsel Typical Batik Motif Classification Using Neural Network Method With GLCM Feature Extraction
KLASIFIKASI MOTIF BATIK KHAS SULSEL MENGGUNAKAN METODE JST DENGAN EKSTRAKSI FITUR GLCM
DOI:
https://doi.org/10.61255/decoding.v1i1.49Keywords:
Batik Sulawesi Selatan, Ekstraksi Fitur, Gray Level Co-Occurence Matrix, MatrixAbstract
Batik adalah salah satu warisan budaya Indonesia yang terbuat dari corak/gambar di atas sebuah kain. Di Sulawesi Selatan, terdapat begitu banyak motif batik. Motif-motif itu pun terus mengalami perkembangan seiring berjalannya waktu. Karena jumlahnya yang banyak, tentunya akan membuat masyarakat kesulitan untuk mengidentifikasi motif batik yang ada saat ini. Untuk mengatasi permasalahan tersebut, penulis melakukan penelitian untuk mengklasifikasikan motif batik menggunakan Jaringan Syaraf Tiruan (JST) dengan ekstraksi fitur Gray Level Co-Occurrence Matrix (GLCM). Sampel yang digunakan adalah batik khas Sulawesi Selatan, yaitu motif Tongkonan, motif Kapal Pinisi, motif Lontara, dan motif Toraja gabungan. GLCM digunakan untuk mengekstraksi fitur, terdiri dari Angular Second Moment (ASM), kontras, Inverse Difference Moment (IDM), entropi, dan korelasi, yang kemudian diklasifikasikan dengan metode JST. Berdasarkan hasil uji coba menggunakan 120 data latih dan 40 data uji dari masing-masing jenis batik, didapatkan tingkat akurasi yang sangat tinggi yaitu 100%.
Abstract views: 385
, 
PDF downloads: 353
Downloads
References
A. W. Triprasetyo, D. P. Pamungkas, and R. Wulanningrum, “Aplikasi Pengenalan Pola Batik Trenggalek Menggunakan Deteksi Tepi Sobel Dan Algoritma KMeanS,” Generation Journal, vol. 2, no. 2, pp. 25–32, Jun. 2018.
R. A. Surya, A. Fadlil, and A. Yudhana, “Ekstraksi Ciri Metode Gray Level Co-Occurrence Matrix (GLCM) dan Filter Gabor Untuk Klasifikasi Citra Batik Pekalongan,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 02, no. 02, pp. 23–26, Jul. 2017, doi: http://dx.doi.org/10.30591/jpit.v2i2.520.g556.
R. A. Surya, A. Fadlil, and A. Yudhana, “Ekstraksi Ciri Citra Batik Berdasarkan Tekstur Menggunakan Metode Gray Level Co Occurrence Matrix,” Prosiding Annual Research Seminar, vol. 2, no. 1, pp. 146–150, Desember 2016.
P. N. Andono and E. H. Rachmawanto, “Evaluasi Ekstraksi Fitur GLCM dan LBP Menggunakan Multikernel SVM untuk Klasifikasi Batik,” RESTI, vol. 5, no. 1, pp. 1–9, Feb. 2021, doi: 10.29207/resti.v5i1.2615.
A. B. Kaswar and A. A. N. Risal, “KLASIFIKASI TINGKAT KEMATANGAN BUAH MARKISA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS PENGOLAHAN CITRA DIGITAL,” Journal of Embedded System Security and Intelligent System, vol. 01, no. 1, pp. 1–8, May 2020.
P. N. Andono, T. Sujoto, and Muljono, Pengolahan citra digital. Yogyakarta: ANDI, 2017.
Y. D. Pristanti, P. Mudjirahardjo, and A. Basuki, “Identifikasi Tanda Tangan dengan Ekstraksi Ciri GLCM dan LBP,” Jambura Journal of Electrical and Electronics Engineering (JJEEE), vol. 13, no. 1, pp. 6–10, Apr. 2019.
Z. Y. Lamasigi, “DCT Untuk Ekstraksi Fitur Berbasis GLCM Pada Identifikasi Batik Menggunakan K-NN,” JJEEE, vol. 3, no. 1, pp. 1–6, Jan. 2021, doi: 10.37905/jjeee.v3i1.7113.
R. Y. Dillak, M. G. Bintiri, and D. M. Pangestuty, “Pemanfaatan Algoritma Jaringan Syaraf Tiruan Levenberg Marquadt untuk Mendeteksi Penyakit Alzheimer,” presented at the Seminar Nasional Informatika (SemnasIF), Yogyakarta, 2012.
Email: a.baso.kaswar@diginus.id
