Identifikasi Batik Pekalongan Menggunakan Metode Gray Level Co-occurrence Matrix Dan Probabilistic Neutral Network

Abstract

Abstrak Batik adalah kesenian menggambar diatas kain yang dalam pembuatannya dilakukan secara khusus. Kerajinan batik setiap daerah memiliki ciri khas tertentu salah satunya batik Pekalongan. Perkembangan dan jenis yang membedakan batik dari negara lain masih belum banyak yang mengetahui, dikarenakan belum adanya pendataan secara komputerisasi yang baik dan belum adanya aplikasi untuk menganalisis batik Pekalongan guna membantu pengetahuan masyarakat Indonesia. Berdasarkan permasalahan diatas penulis membuat sistem yang dapat mengidentifikasi motif batik Pekalongan. Pada Tugas Akhir ini telah dilakukan penelitian Identifikasi batik Pekalongan menggunakan metode Gray Level Co-occurrence Matrix sebagai metode ekstraksi ciri dan metode Probabilistic Neural Network sebagai klasifikasi. Metode Gray Level Co-occurrence Matrix merupakan matriks yang mengandung informasi mengenai posisi ketetanggaan piksel yang memiliki tingkat keabuan tertentu. Jaringan Probabilistic Neural Network jauh lebih relatif tidak sensitif terhadap outlier dan menghasilkan prediksi probabilitas target yang akurat. Dari hasil pengujian pengklasifikasian ini diperoleh akurasi terbaik 98,33%. Akurasi diperoleh dari pengujian 150 citra menggunakan parameter Gray Level CoOccurrence Matrix kontras-korelasi-energy-homogenitas, dengan nilai sudut ðŸŽÂ°, ðŸ’📰, ðŸ—ðŸŽÂ°ðŸðŸ‘📰, dan radius = 1 dan Probabilistic Neural Network yaitu, ukuran gambar 256 × 256, dan nilai spread 0.1.Kata Kunci: Batik, Gray Level Co-Occurrence Matrix, Probabilistic Neutral Network Abstract Batik is the art of drawing on fabric which is specially made in its making. Batik crafts in each region have certain characteristics, one of which is Pekalongan batik. Not many people know about the development and types that distinguish batik from other countries, due to the lack of a good computerized data collection and the absence of applications to analyze Pekalongan batik to help the knowledge of the Indonesian people. Based on the above problems the writer makes a system that can identify Pekalongan batik motifs. In this Final Project a research on Pekalongan batik identification has been carried out using the Gray Level Co-occurrence Matrix method as a feature extraction method and the Probabilistic Neural Network method as a classification method. The Gray Level Co-Occurrence Matrix method is a matrix that contains information about the neighboring pixel positions that have a certain gray level. Probabilistic Neural Networks are far more relatively insensitive to outliers and produce accurate target probability predictions. From the test results obtained the best accuracy of 98,33%. Accuracy was obtained from testing 150 images using the parameter Gray Level Co-Occurrence Matrix contrast-correlation-energy-homogeneity, with angular values ðŸŽÂ°, ðŸ’📰, ðŸ—ðŸŽÂ°ðŸðŸ‘📰, and radius = 1. While Probabilistic Neural Network uses the 256×256 image size parameter and the Spread value 0.1. Keywords: Batik, Gray Level Co-Occurrence Matrix, Probabilistic Neural Network