Deteksi Batik Bojonegoro Menggunakan Metode Gray Level Co-occurrence Matrix (glcm) Dan Naive Bayes

Desi Dwi Prihatin, Bambang Hidayat, Sofia Saidah

Abstract

ABSTRAK Salah satu karya seni dalam kebudayaan Bojonegoro yaitu batik Bojonegoro. Batik Bojonegoro memiliki jenis motif batik yang berbeda-beda maka untuk membedakan batik Bojonegoro tersebut dilakukan perancangan sistem untuk mengklasifikasi jenis batik ke dalam kelas-kelas jenis motif batik. Perancangan sistem dilakukan dalam mendeteksi batik menggunakan metode Gray Level Co-Occurrence (GLCM) sebagai ekstraksi ciri untuk proses pengambilan ciri atau inti citra dan Naive Bayes sebagai klasifikasi untuk pengelompokkan citra berdasarkan jenis batik Bojonegoro. Proses kinerja kedua sistem tersebut image processing agar citra dapat diubah menjadi data berupa angka dengan bentuk keluaran hasil transformasi dalam pengolahan citra digital. Maka penulis melakukan penggabungan kedua sistem agar dapat mengetahui hasil akurasi yang signifikan dengan tujuan untuk mempermudahkan pengenalan jenis batik Bojonegoro dan mengembangkan sistem dalam mendeteksi citra batik berdasarkan jenis motif batik Bojonegoro menggunakan pengolahan citra digital. Berdasarkan pengujian yang telah dilakukan, sehingga pada Tugas Akhir ini perancangan sistem dapat mendeteksi batik Bojonegoro berdasarkan jenis kelas motif batik yaitu enam kelas jenis motif batik, dengan komposisi jenis batik meliwis mukti, jenis batik pari sumilak, jenis batik rancak thengul, jenis batik sato gondo wangi dan jenis batik sekar jati. Pengujian dilakukan 60 citra batik dimana masing-masing kelas memiliki enam citra batik. Sehingga didapatkan dari beberapa skenario pengujian parameter orde dua terbaik yaitu correlation, homogeneity dan entropy, arah derajat = 0° dan jarak pixel (d)=2 dengan pengujian level kuantisasi maka akurasi terbaik sebesar 85% dengan waktu komputasi 206.6715 detik. Kata Kunci: Batik Bojonegoro, GLCM, Naive Bayes. . ABSTRACT Batik Bojonegoro is one of art in Bojonegoro’s culture. There are some types of Batik Bojonegoro, this to differentiate batik ojonegoro is done system design to classify the type of batik into the classes of types batik motifs. The design of the system conducted for detecting batik Bojonegoro using Gray Level Co-Occurrence (GLCM) method is used as the extraction in process of taking main image and Naive Bayes as a classification of grouping the images based on the types of batik Bojonegoro. Working process of both methods is need many image samples to make the system works well using image processing so that image can be converted into data in the form of numbers with the output of transformation result in digital image process. This project has merged both methods to know the significant accuracy result is the purpose of facilitate the introduction of the types of batik Bojonegoro and developing system in detecting digital image using batik’s image based on the type of batik Bojonegoro’s pattern. Based on the tests that have been done, so that in this Final Project the system design can detect Bojonegoro batik based on the type of batik motivo class, namely six classes of batik motif types, with batik composition meliwis mukti, pari sumilak batik type, rancak thengul batik type, sato gondo batik type fragrant and kind of teak teak batik. Testing was carried out 60 images of batik where each class had six images of batik. So that obtained from several ISSN : 2355-9365 e-Proceeding of Engineering : Vol.5, No.3 Desember 2018 | Page 4650 2 Parathmetro scenarios the order testing is two best correlación namely, homogeneidad and entropy, degree direction = 0° and pixel distance (d) = 2 with nivel quantization testing so the best accuracy is 85% with 206.6715 seconds computation time. Keywords: Batik Bojonegoro, GLCM, Naive Bayes.

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0