CLASSIFICATION OF BATIK TASIKMALAYA USING NEURAL NETWORK WITH GLCM DAN LBP FEATURE EXTRACTION
DOI:
https://doi.org/10.35473/jamastika.v3i1.2742Abstract
Batik adalah seni kain tradisional Indonesia yang motifnya dibuat dengan menggunakan teknik pewarnaan kain yang melibatkan penggunaan lilin untuk mencegah pewarnaan pada area tertentu. Hal ini menciptakan pola yang unik dan khas pada kain. Penelitian ini bertujuan untuk membantu mengatasi kesulitan yang dihadapi masyarakat dalam mengidentifikasi motif batik di Tasikmalaya. Dengan penerapan teknologi Artificial Neural Network (ANN) serta ekstraksi fitur menggunakan Gray Level Co-Occurrence Matrix (GLCM) dan Local Binary Pattern (LBP), penelitian ini mencapai tingkat akurasi yang tinggi, sekitar 95% dengan GLCM dan 80% dengan LBP , dalam mengklasifikasikan motif batik seperti Merak Ngibing, Lancah Tasik, Sidomukti Payung, dan Sukapura. Hal ini menunjukkan efektivitas metode tersebut dalam membantu identifikasi motif batik dengan tingkat akurasi yang tinggi.
References
Tripasetyo, A. W., Pamungkas, D. P., & Wulanningrum, R. (2018). Aplikasi Pengenalan Pola Batik Trenggalek Menggunakan Deteksi Tepi Sobel Dan Algoritma KMeanS,” Generation Journal, 2(2), 25-32. https://doi.org/10.29407/gj.v2i2.12247
Surya, R. A., Fadlil, A., & Yudhana, A. (2017). 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.
Surya, R. A., Fadlil, A., & Yudhana, A. (2016). 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.
Andono, P. N., & Rachmawanto, E. H. (2021). 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
Kaswar, A. B., et al. (2020). 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.
Efendi, et al.. (2021). Pengelompokan Jenis Tekstur Kayu Menggunakan k-Nearest Neighbor dan Ekstraksi Fitur Histogram. Jurnal VOI (Voice Of Informatics), 2017, 6.2.
Neneng, et al. (2021). Klasifikasi Jenis Kayu Menggunakan Support Vector Machine Berdasarkan Ciri Tekstur Local Binary Pattern. CYBERNETICS, 2021, 4.02: 93-100.
Putra, I. W. S. E. (2019). Klasifikasi citra menggunakan convolutional neural network (CNN) pada caltech 101. 2016. PhD Thesis. Institut Teknologi Sepuluh Nopember.
Walisyah, et al. (2019). Perbandingan Akurasi Klasifikasi Citra Kayu Jati Menggunakan Metode Naive Bayes dan k-Nearest Neighbor (k-NN). JEPIN (Jurnal Edukasi dan Penelitian Informatika), 2019, 5.2: 157-163.
Wibowo, et al. (2021). Klasifikasi Jenis Kayu Menggunakan Esktrasi Fitur GLCM dan Multilayer Perceptron. Jurnal Nasional Teknik Elektro, 2021, 10.1: 1–10.
Wibowo, F & A. Harjoko. (2018). Klasifikasi Mutu Pepaya Berdasarkan Ciri Tekstur GLCM Menggunakan Jaringan Saraf Tiruan. Khazanah Inform. J. Ilmu Komput. dan Inform., Vol. 3, No. 2, Hal. 100, 2018, doi: 10.23917/khif.v3i2.4516.
Suteja, B. (2007). Penerapan Jaringan Saraf Tiruan Propagasi Balik Studi Kasus Pengenalan Jenis Kopi. J. Inform., Vol. 3, No. 1, Hal. 49–62, 2007.
Rivan, M. E., & T. Juangkara. (2019). Identifikasi Potensi Glaukoma dan Diabetes Retinopati Melalui Citra Fundus Menggunakan Jaringan Syaraf Tiruan. JATISI (Jurnal Tek. Inform. dan Sist. Informasi), Vol. 6, No. 1, Hal. 43–48, 2019, doi:10.35957/jatisi.v6i1.158.
LF. S. Ni’mah, T. Sutojo, & D. R. I. M. Setiadi (2018). Identification of Herbal Medicinal Plants Based on Leaf Image Using Gray Level Co-occurence Matrix and K-Nearest Neighbor Algorithms. J. Teknol. dan Sist. Komput., Vol. 6, No. 2, Hal. 51–56, 2018, doi: 10.14710/jtsiskom.6.2.2018.51-56.
Suhendri, S., & Rahayu, P. (2019). Metode Grayscale Co-occurrence Matrix (GLCM) Untuk Klasifikasi Jenis Daun Jambu Air Menggunakan Algoritma Neural Network. J. Inf. Technol., Vol. 1, No. 1, Hal. 15–22, 2019, doi: 10.47292/joint.v1i1.4
Rivan, M. E., Rachmat, N., & Ayustin, M. R. (2020). Klasifikasi Jenis Kacang-kacangan Berdasarkan Tekstur Menggunakan Jaringan Syaraf Tiruan. J. Komput. Terap., Vol. 6, No. 1, hal. 89–98, 2020.
Rahmadewi, R.., Purwanti, E., & V. Efelina. (2018). Identifikasi Jenis Tumbuhan Menggunakan Citra Daun Berbasis Jaringan Saraf Tiruan (Artificial Neural Networks). J. Media Elektro, Vol. VII, No. 2, hal. 38–43, 2018, doi: 10.35508/jme.v0i0.427.
Agmalaro, M. A., Kustiyo, A., & Akbar, A. R. (2013). Identifikasi Tanaman Buah Tropika Berdasarkan Tekstur Permukaan Daun Menggunakan Jaringan Syaraf Tiruan. J. Ilmu Komput. dan Agri-Informatika, Vol. 2, No. 2, Hal. 73, 2013, doi: 10.29244/jika.2.2.73- 82.
Kasim, A. A., & Harjoko, A. (2014). Klasifikasi Citra Batik Menggunakan Jaringan Syaraf Tiruan Berdasarkan Gray Level Co- Occurrence Matrices (GLCM). Semin. Nas. Apl. Teknol. Inf. Yogyakarta, 21 Juni 2014, Hal. 7–13, 2014.
Rivan, M. E., & Noviardy, M. T. (2020). Klasifikasi American Sign Language Menggunakan Ekstraksi Fitur Histogram of Oriented Gradients dan Jaringan Syaraf Tiruan. J. Tek. Inform. dan Sist. Inf., Vol. 6, No. 3, Hal. 442–451, 2020, doi: 10.28932/jutisi.v6i3.2844.
Farhani, H. A. S. (2023). Klasifikasi Batik Motif Malang Berdasarkan Nilai Ektraksi Fitur Gray Level Co-occurrence Matrix Dengan Algoritma Decision Tree. http://repository.um.ac.id/id/eprint/291736
Fauzy, M. N., Soedijono, B., & Sudarmawan (2019). Ekstraksi Citra Fitur Pada Pengenalan Pola Motif Batik Sleman Menggunakan Metode Gray Level Co-Occurrence Matrix. J. INFORMA, Vol. 5, No. 3, Hal. 2442-7942, 2019.
Cahaya Jatmoko & Daurat Sinaga (2023). Metode K-Nearest Neighbor dan Ekstraksi Fitur GLCM untuk Mengklasifikasikan Biji Kopi Robusta dan Arabika Lokal. Seminar Nasional Teknologi Dan Multidisiplin Ilmu (SEMNASTEKMU), 2(2), 353-366. https://doi.org/10.51903/semnastekmu.v2i1.189
