Klasifikasi Batik dengan Ekstraksi Fitur Tekstur Local Binary Pattern dan Metode K-Nearest Neighbor

##plugins.themes.bootstrap3.article.main##

Muhammad Tegar Kanugroho Muh. Arif Rahman Randy Cahya Wihandika

Abstrak

Indonesia merupakan negara yang terdiri dari banyak kepulauan dan memiliki keanekaragaman suku yang tersebar di seluruh kepulauannya. Beranekaragam suku, beranekaragam juga ciri khas yang dimiliki agar membedakan suatu suku dengan suku lainnya. Salah satu ciri khas yang membedakan adalah batik, yang banyak dikenal dan telah menjadi warisan budaya. Jika dilihat dari gambar, corak batik memiliki tekstur. Pada pengolahan citra digital tekstur dapat dijadikan elemen pembeda batik satu dengan yang lainnya, salah satunya metode Local Binary Pattern (LBP). Dengan menggunakan metode Local Binary Pattern (LBP), tekstur dari batik akan dikenali sebagai fitur pada citra pengolahan citra digital, citra batik dapat diproses untuk mendapatkan beberapa citra yang serupa. Proses penelitian pada batik diawali dengan pra-proses, kemudian ekstraksi fitur tekstur pada citra dengan metode Local Binary Pattern (LBP) dan dilanjutkan dengan klasifikasi oleh K-Nearest Neighbor (KNN). Pada penelitian ini menggunakan nilai LBP yang dinormalisasi. Pada data yang dinormalisasi, hasil terbaik menggunakan K-Nearest Neighbor dengan tetangga (K) = 5 mendapatkan hasil akurasi sebesar 65%

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Kanugroho, M., Rahman, M., & Wihandika, R. Klasifikasi Batik dengan Ekstraksi Fitur Tekstur Local Binary Pattern dan Metode K-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 6, no. 10, p. 4788-4794, okt. 2022. ISSN 2548-964X. Tersedia pada: <https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/11684>. Tanggal Akses: 08 des. 2022
Bagian
Artikel