Ekstraksi Ciri pada Klasifikasi Citra Batik menggunakan Metode Gray Level Co-Occurrence Matrix, Local Binary Pattern, dan HSV Color Moment

Abstrak

Salah satu bentuk seni yang diwariskan oleh leluhur bangsa Indonesia adalah batik, batik pada setiap daerah di Indonesia memiliki warna dan motif yang beraneka ragam. Keanekaragaman warna dan motif batik menyebabkan banyak masyarakat Indonesia kesulitan untuk mengetahui batik jenis batik yang mereka pakai. Setiap batik memiliki corak, setiap corak memiliki tekstur. Tekstur dan warna menjadi elemen pembeda antara batik satu dengan batik lainnya, keduanya merupakan bentuk dari ekstraksi ciri yang dapat dimanfaatkan untuk mengelompokkan batik yang memiliki corak serupa. Pada penelitian ini kombinasi ciri Gray Level Co-Occurrence Matrix, Local Binary Pattern, dan HSV Color Moment digunakan untuk memperoleh ciri tekstur dan ciri warna dari citra batik, sedangkan K-Nearest Neighbor digunakan untuk mengklasifikasikan citra batik. Hasil pengujian pada skenario penggunaan kombinasi ciri yang berbeda, kombinasi ciri Gray Level Co-Occurrence Matrix, Local Binary Pattern, dan HSV Color Moment menggunakan 200 dataset citra batik yang terdiri dari 10 kelas batik, memperoleh nilai akurasi tertinggi sebesar 0,29 pada nilai ketetanggaan K=5, di sisi lain, pada skenario pengujian penggunaan jumlah kelas yang berbeda, nilai akurasi tertinggi diperoleh ketika menggunakan 5 kelas yang setiap kelas terdiri dari 10 citra batik, nilai akurasinya sebesar 0,68 pada nilai ketetanggaan K=4.