Klasifikasi Motif Citra Batik Yogyakarta Menggunakan Metode Adaptive Neuro Fuzzy Inference System

Denny Hardiyanto, Samuel Kristiyana, Didi Kurniawan, Dyah Anggun Sartika

Abstract


Indonesia merupakan negara yang kaya akan sumber daya alam, budaya, dan pariwisata. Salah satu warisan budaya kemanusiaan yang terkenal di Indonesia adalah Batik Indonesia. Batik adalah kain bergambar yang pembuatannya secara khusus dengan menuliskan atau menerakan malam pada kain itu, kemudian pengolahannya diproses dengan cara tertentu yang memiliki kekhasan. Batik merupakan kerajinan yang memiliki nilai seni tinggi dan telah menjadi bagian dari budaya Indonesia (khususnya Jawa) sejak lama.

Penelitian ini bertujuan untuk mengklasifikasikan motif citra batik Yogyakarta (dalam penelitian ini menggunakan motif batik Parang Kusumo dan motif batik Kawung). Metode yang diusulkan dalam penelitian ini adalah ekstraksi fitur GLCM (Grey Level Co-Occurrence Matrix) menggunakan 6 fitur dan klasifikasi menggunakan metode ANFIS (Adaptive Neuro Fuzzy Inference System).

Struktur ANFIS yang dibentuk mempunyai  parameter 6 input dari fitur tekstur (GLCM), setiap fitur menggunakan 2 membership function dengan 64 aturan yang berlogika AND. Dengan menggunakan 100 data citra uji, Trapezoidal Shaped-Membership Function memperoleh akurasi terbaik yakni 80%, sedangkan Gaussian Shaped-Membership Function memperoleh akurasi terendah yakni 77%.

Keywords


Elektronika, Komputer

References


Admin, “Batik,” Wikipedia, 2019. [Online]. Available: https://id.wikipedia.org/wiki/Batik.

H. A. Nugroho, D. Hardiyanto, and T. B. Adji, “Negative Content Filtering for Video Application,” in International Conference on Information Technology and Electrical Engineering (ICITEE), 2015, pp. 50–55.

N. L. W. S. R. Ginantra, “Deteksi Batik Parang Menggunakan Fitur Co-Occurence Matrix Dan Geometric Moment Invariant Dengan Klasifikasi KNN,” Lontar Komput. J. Ilm. Teknol. Inf., vol. 7, no. 1, p. 40, 2016.

H. A. Nugroho, D. Hardiyanto, and T. B. Adji, “Nipple detection to identify negative content on digital images,” in Proceeding - 2016 International Seminar on Intelligent Technology and Its Application, ISITIA 2016: Recent Trends in Intelligent Computational Technologies for Sustainable Energy, 2016, pp. 43–48.

A. Kurniawardhani, N. Suciati, and I. Arieshanti, “Klasifikasi Citra Batik Menggunakan Metode Ekstraksi Ciri Yang Invariant Terhadap Rotasi,” JUTI J. Ilm. Teknol. Inf., vol. 12, no. 2, p. 48, 2014.

D. Hardiyanto and D. Anggun Sartika, “Identifikasi Konten Negatif pada Citra Digital Berbasis Tanda Vital Tubuh Menggunakan Ekstraksi Fitur GLCM dan Warna YCbCr,” J. Setrum, vol. 1, no. 2, pp. 120–131, 2017.

D. Hardiyanto and D. A. Sartika, “Identifikasi Titik Api Menggunakan Pengolahan Citra Foto Udara,” in Simposium Nasional Rekayasa Aplikasi Perancangan dan Industri XVII, 2018, pp. 51–58.

D. Hardiyanto and D. Anggun Sartika, “Optimalisasi Metode Deteksi Wajah berbasis Pengolahan Citra untuk Aplikasi Identifikasi Wajah pada Presensi Digital,” Setrum Sist. Kendali-Tenaga-Elektronika-Telekomunikasi-Komputer, vol. 7, no. 1, pp. 107–116, 2018.

R. A. Surya, A. Fadlil, and A. Yudhana, “Ekstraksi Ciri Metode Gray Level Co-Occurrence Matrix (GLCM) dan Filter Gabor untuk Klasifikasi citra Batik Pekalongan,” Jpit, vol. 2, no. 2, pp. 23–26, 2017.

M. G. Alfianto, R. N. Whidhiasih, and M. Maimunah, “Identifikasi Beras Berdasarkan Warna Menggunakan Adaptive Neuro Fuzzy Inference System,” PIKSEL Penelit. Ilmu Komput. Sist. Embed. Log., vol. 5, no. 2, pp. 51–59, 2018.

Andri, “DETEKSI CACAT UBIN KERAMIK MENGGUNAKAN TEKNIK PENGOLAHAN CITRA DAN ADAPTIVE NEURAL FUZZY INFERENCE SYSTEM (ANFIS),” Satuan tulisan Ris. dan Inov. Teknol., vol. 1, no. 2, pp. 182–193, 2016.

D. Rosadi, R. T. Handayanto, Maimunah, and R. N. Whidhiasih, “Adaptif Neuro Fuzzy Inference System ( ANFIS ) dalam Pengidentifikasi Kualitas Telur Ayam Ras Berdasarkan Warna Kerabang,” Informatics Educ. Prof., vol. 3, no. 1, pp. 53–66, 2018.

H. Wijayanto, “KLASIFIKASI BATIK MENGGUNAKAN METODE K-NEAREST NEIGHBOUR BERDASARKAN GRAY LEVEL CO-OCCURRENCE MATRICES ( GLCM ),” in Seminar Nasional Aplikasi Teknologi Informasi, 2015, no. 5.

B. Arisandi, N. Suciati, and A. Y. Wijaya, “Pengenalan Motif Batik Menggunakan Rotated Wavelet Filterdan Neural Network,” JUTI J. Ilm. Teknol. Inf., vol. 9, no. 2, p. 15, 2014.

R. Azhar, D. Tuwohingide, and D. Kamudi, “Batik Image Classification Using SIFT Feature Extraction , Bag of Features and Support Vector Machine,” Procedia - Procedia Comput. Sci., vol. 72, pp. 24–30, 2015.

A. A. Kasim and A. Harjoko, “Klasifikasi Citra Batik Menggunakan Jaringan Syaraf Tiruan Berdasarkan Gray Level Co- Occurrence Matrices ( GLCM ),” J. Fak. Huk. UII, pp. 7–13, 2014.

J. W. Yodha and A. W. Kurniawan, “PENGENALAN MOTIF BATIK MENGGUNAKAN DETEKSI TEPI CANNY DAN K-NEAREST NEIGHBOR,” J. Teknol. Inf., vol. 13, no. 4, pp. 251–262, 2014.




DOI: http://dx.doi.org/10.36055/setrum.v8i2.6545

Refbacks

  • There are currently no refbacks.