Open AccessDeteksi Motif Batik Menggunakan Ekstraksi Tekstur dan Jaringan Syaraf Tiruan
Author(s) -
Raynaldi Fatih Amanullah,
Ade Pujianto,
Bayu Trisna Pratama,
Kusrini Kusrini
Publication year - 2021
Publication title -
csrid journal/csrid (computer science research and its development journal)
Language(s) - English
Resource type - Journals
eISSN - 2460-870X
pISSN - 2085-1367
DOI - 10.22303/csrid.10.2.2018.69-79
Subject(s) - computer science , artificial intelligence , pattern recognition (psychology)
Penelitian ini mengajukan sebuah metode klasifikasi batik menggunakan ekstraksi fitur tekstur serta klasifikasi menggunakan jaringan syaraf tiruan (artificial neural network). Metode ekstraksi fitur tekstur yang digunakan adalah DWT, GLCM dan Local Binary Pattern (LBP). Ekstraksi fitur dengan GLCM dan DWT menghasilkan 24 fitur yang terdiri dari 5 fitur GLCM dan koefisien energi dalam 4 sub-band channel hasil dekomposisi. Sementara ekstraksi fitur dengan LBP dilakukan dengan membangun histogram dari matriks hasil LBP. Fitur-fitur tersebut kemudian menjadi masukan bagi jaringan syaraf tiruan untuk kemudian diklasifikasi dalam 5 jenis batik: buketan, ceplok, kawung, parang dan truntum. Dataset yang digunakan adalah 50 gambar batik (10 untuk setiap motif) yang diambil secara acak di internet. Pengujian dilakukan dengan membandingkan dua kelompok fitur: DWT-GLCM dan DWT-GLCM-LBP untuk mengetahui metode ekstraksi fitur yang lebih baik dalam deteksi motif batik. Metode pengujian yang digunakan adalah K-Fold Cross Validation dengan hasil berupa confusion matriks untuk kemudian dihitung nilai akurasi dan F-Measure-nya. Hasil pengujian menunjukkan bahwa penggunaan ekstraksi fitur tekstur DWT-GLCM-LBP mampu mencapai akurasi 74% dengan jenis dekomposisi Daubechies 4 level 3.