filterisasi motif batik
DESCRIPTION
Pengolahan Citra Pada BatikTRANSCRIPT
PENGENALAN MOTIF BATIK DENGAN ANALISIS STRUKTUR DAN WARNAPADA CITRA DIGITAL
Carla Pythia Riesmala¹, Achmad Rizal², Ledya Novamizanti³
¹Teknik Telekomunikasi, Fakultas Teknik Elektro, Universitas Telkom
AbstrakBatik merupakan salah satu kriya tekstil Indonesia dan telah ditetapkan sebagai WarisanKemanusiaan untuk Budaya Lisan dan Nonbendawi pada 2 Oktober 2009. Batik dikatakan sebagaiwarisan leluhur bangsa Indonesia karena batik turun menurun berkembang di Indonesia padamasa kerajaan Majapahit hingga era modern saat ini. Batik memiliki nilai historis dan merupakansuatu bentuk identitas kebudayaan masing-masing daerah. Sebagai salah satu wastra Indonesia,batik memiliki ciri khas tersendiri dan penuh makna dalam setiap motifnya. Guna turut sertadalam melestarikan warisan batik, dalam Tugas Akhir ini dilakukan pengenalan motif batikberdasarkan analisis strukturnya. Jenis motif batik yang akan dikenali yaitu : Mega Mendung,Kawung, Parang, dan Truntum.
Langkah awal yang dilakukan adalah akuisisi citra motif batik. Citra tersebut akan dipreprocessing dengan mengubah citra RGB ke citra grayscale, red, green, dan blue. Pada citrahasil preprocessing kemudian akan diambil ciri dari motif batik tersebut dengan menggunakanstatistik ciri orde satu dan ciri orde dua. Parameter - parameter pada orde satu dan orde duadikumpulkan kemudian dimasukkan pada metode klasifikasi dengan menggunakan k – NearestNeighbor sehingga sistem bisa mengklasifikasikan jenis dari motif batik tersebut.
Dari hasil pengujian dengan melalui tahap pre-processing, ekstraksi ciri menggunakan statistikorde satu dan dua, dan diklasifikasi dengan metode K-Nearest Neighbor, sistem ini dapatmemperoleh tingkat akurasi maksimal sebesar 81%. Akurasi tersebut didapat denganmenggunakan statistik orde dua dan pada saat k=2.
Kata Kunci : Batik, preprocessing, ciri orde satu, ciri orde dua, K-Nearest Neighbor
AbstractBatik is one of Indonesian textile craft and has been designated a Cultural Heritage for HumanityOral and Nonbendawi on October 2, 2009. Batik is said to be the nation’s heritage of Indonesia asdeveloping hereditary batik in Indonesia as the time of the Majapahit empire to today’s modernera. Batik has historical value and is a form of cultural identity of each region. As one “wastra”Indonesia, batik has its own characteristics and full of meaning in each of its motives. In order toparticipate in preserving the heritage of batik, the Final Project is carried out based on therecognition motif structure analysis. This type of motif that will be recognized, namely : MegaMendung, Kawung, Truntum, and Parang.
The initial steps are the motif image acquisition. The image will be in the preprocessing byconverting RGB images to grayscale images, red, green, and blue. In the image preprocessingresults will then be taken characteristic of batik motifs using first order characteristics andfeatures of second order. Parameter-parameters to characterize first order and second ordercharacteristics are collected and then entered on the classification method using k- NearestNeighbor so the system can classify the types of batik motifs.
From the results of the testing with the stage of preprocessing, feature extraction using astatistical order one and two, and classified by k- Nearest Neighbor method, the system canobtain a maximum degree of accuracy by 81%. Accuracy is obtained by using second orderstatistics and at k=2.
Keywords : Batik, preprocessing, first order feature, second order feature, k-Nearest Neighbour
Powered by TCPDF (www.tcpdf.org)
Tugas Akhir - 2012
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi
Pengenalan Motif Batik Dengan Analisis Struktur Dan Warna Pada Citra Digital 1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Kemajuan teknologi komputer mendorong berkembangnya penelitian dan penerapan
teknik pengolahan citra. Saat ini pengolahan citra mempunyai peranan yang penting dalam
berbagai bidang kehidupan, tidak terkecuali pada salah satu bidang kerajinan yaitu batik.
Batik adalah kerajinan yang memiliki nilai seni tinggi dan telah menjadi bagian dari
budaya Indonesia. Batik telah ditetapkan oleh UNESCO sebagai Warisan Kemanusiaan
untuk Budaya Lisan dan Nonbendawi (Masterpieces of the Oral and Intangible Heritage of
Humanity) sejak 2 Oktober, 2009[11]
.
Batik yang merupakan kain dekoratif memiliki berbagai macam motif dan warna
yang berbeda. Setiap motif memiliki makna dan merepresentasikan kekhasan masing-
masing daerah. Hampir seluruh daerah di Indonesia membuat motif batik yang menjadi
khas dari daerah tersebut. Misalnya saja motif batik Megamendung yang merupakan motif
khas dari daerah Cirebon dan motif batik Kawung yang merupakan khas dari daerah
Jogjakarta dan Solo. Keanekaragaman motif batik inilah yang mendorong penulis untuk
membuat simulasi sistem yang dapat mengenali motif dan daerah asal batik tersebut.
Penelitian serupa mengenai pengenalan motif batik pernah dilakukan dengan
menggunakan ekstraksi ciri Rotated Wavelet Transform. Selanjutnya, hasil ekstraksi
dikelompokan ke dalam motifnya menggunakan metode klasifikasi Neural Network. Pada
penelitian tersebut didapatkan tingkat akurasi sistem 78,26%[2]
.
Dalam Tugas Akhir ini akan dilakukan pengenalan motif batik dengan analisis
struktur dan warna yang berbasis pengolahan citra digital. Input sistem berupa citra motif
batik yang berfomat JPG. Citra digital batik tersebut akan diekstraksi ciri dengan
menggunakan analisis statistik orde satu dan orde dua. Setelah itu akan diklasifikasi
dengan menggunakan metode K-Nearest Neighbor.
1.2 Tujuan
Tujuan dari penelitian pada Tugas Akhir ini adalah :
1. Merancang simulasi sistem yang dapat mengenali citra motif batik sehingga
diketahui jenis dan asal daerah motif batik tersebut.
Tugas Akhir - 2012
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi
Pengenalan Motif Batik Dengan Analisis Struktur Dan Warna Pada Citra Digital 2
2. Menghasilkan sebuah simulasi sistem yang memiliki tingkat akurasi yang tinggi.
3. Membandingkan performansi kinerja sistem pengenalan motif batik
menggunakan analisis statistik pada ektraksi ciri dan metode k-NN pada
klasifikasi dengan penelitian sebelumnya yang menggunakan Rotated Wavelet
Transform pada ektraksi ciri dan metode Neural Network pada klasifikasi.
1.3 Rumusan Masalah
Adapun perumusan masalah yang menjadi acuan dalam pembuatan Tugas Akhir ini
adalah :
1. Bagaimana membuat perancangan dan merealisasikan sistem yang dapat
mengenali jenis motif batik serta daerah asal motif batik tersebut.
2. Bagaimana membuat sistem dengan tingkat akurasi dan performansi yang tinggi.
1.4 Batasan Masalah
Agar materi pembahasan tidak meluas ke hal-hal diluar tujuan pembahasan Tugas
Akhir, maka penulis membatasi permasalahan hanya mencakup hal-hal sebagai berikut :
1. Input sistem adalah citra motif batik dalam format JPG.
2. Pengenalan motif batik yang bersih secara fisik tanpa terhalang oleh noda.
3. Jumlah motif batik yang dikenali dan selanjutnya diklasifikasi dibatasi menjadi 4
jenis motif batik, yaitu :
a. Kawung
b. Mega Mendung
c. Truntum
d. Parang
4. Software yang digunakan adalah Matlab R2009a.
1.5 Metodologi Penulisan
Metodologi yang digunakan dalam penulisan Tugas Akhir ini adalah :
1. Studi Literatur
Bertujuan untuk mempelajari dasar teori dalam pengenalan motif batik serta
metode dan software yang akan digunakan dalam perancangan simulasi sistem.
2. Pengumpulan Data
Tugas Akhir - 2012
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi
Pengenalan Motif Batik Dengan Analisis Struktur Dan Warna Pada Citra Digital 3
Bertujuan untuk mendapatkan data citra digital motif batik yang akan digunakan
sebagai input sistem. Pengumpulan data berupa citra digital diperoleh dari hasil
pengambilan gambar menggunakan kamera digital.
3. Studi analisis dan pengembangan aplikasi
Bertujuan untuk menentukan metodologi pengembangan sistem yang digunakan
dengan pendekatan terstruktur dan melakukan analisis perancangan sistem
pengenalan motif batik.
4. Implementasi Perangkat Lunak
Bertujuan untuk melakukan implementasi metode pada perangkat lunak sesuai
dengan analisis perancangan yang telah dilakukan.
5. Analisis Performansi
Bertujuan untuk melakukan analisa performansi yang dapat dicapai oleh sistem.
6. Pengambilan Kesimpulan
Bertujuan untuk menarik kesimpulan setelah melakukan percobaan deteksi motif
batik berdasarkan citra motif batik yang diambil oleh kamera digital.
1.6 Sistematika Penulisan
Penelitian ini disusun menjadi 5 BAB, dengan rincian sebagai berikut :
BAB I PENDAHULUAN
Bab ini menguraikan latar belakang penulisan, tujuan penulisan,
perumusan masalah, batasan masalah, metodologi penulisan, dan
sistematika penulisan.
BAB II DASAR TEORI
Berisi tentang teori yang mendukung dan mendasari penulisan Tugas
Akhir ini, yaitu pengolahan citra digital serta metode dan software yang
digunakan dalam pengenalan motif batik.
BAB III PERANCANGAN SISTEM DAN SIMULASI
Bab ini menguraikan tentang proses perancangan tahap pemprosesan awal
(preprocessing), ekstrasi ciri citra digital dengan ciri orde satu dan ciri
orde dua, serta klasifikasi motif batik dengan menggunakan metode K-
Nearest Neighbor .
Tugas Akhir - 2012
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi
Pengenalan Motif Batik Dengan Analisis Struktur Dan Warna Pada Citra Digital 4
BAB IV ANALISIS DAN HASIL SIMULASI
Berisikan analisis dari hasil yang diperoleh pada perancangan dan
simulasi yang dilakukan.
BAB V KESIMPULAN DAN SARAN
Berisikan kesimpulan dari analisis yang telah dilakukan dan saran untuk
pengembangan lebih lanjut.
Powered by TCPDF (www.tcpdf.org)
Tugas Akhir - 2012
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi
Pengenalan Motif Batik Dengan Analisis Struktur Dan Warna Pada Citra Digital 30
BAB V
PENUTUP
5.1 Kesimpulan
Berdasarkan hasil analisis terhadap pengujian yang dilakukan dalam sistem
pengenalan motif batik pada citra digital, dapat disimpulkan beberapa hal sebagai berikut :
1. Implementasi perangkat lunak dengan menggunakan Matlab terbukti dapat
mengenali motif batik dengan akurasi maksimal sebesar 81% dari jumlah citra uji
sebanyak 100 buah.
2. Tingkat keakurasian terbaik untuk mengenali motif batik adalah 81% pada saat
menggunakan analisis tektur statistik orde dua dan saat nilai k pada klasifikasi k-NN
bernilai 2.
3. Semakin besar nilai k pada proses klasifikasi menggunakan k-NN, tingkat akurasi
sistem menurun. Hal ini disebabkan karena untuk jumlah citra yang sama, semakin
tinggi pemilihan parameter k maka kemiripian data yang muncul akan lebih sedikit
dibandingkan dengan jika nilai patemeter k kecil maka kemunculan citra yang mirip
akan semakin banyak.
5.2 Saran
Penelitian lebih lanjut diharapkan dapat memperbaiki kekurangan yang ada dan
diharapkan dapat mengembangkan apa yang telah dilakukan pada penelitian ini. Untuk itu
disarankan hal-hal berikut :
1. Untuk menambah tingkat akurasi sistem sebaiknya data yang digunakan sebagai
database citra latih maupun citra uji lebih banyak.
2. Variasi motif batik yang dapat dikenali lebih banyak lagi tidak hanya Kawung, Mega
Mendung, Parang, dan Truntum.
3. Sistem pengenalan motif batik dapat dikembangkan sekaligus dengan perangkat
keras yang mendukung dalam memproses citra motif batik secara waktu nyata
(realtime).
4. Untuk penelitian lebih lanjut dapat digunakan metode ekstraksi ciri dan metode
klasifikasi lainnya seperti JST-BP (Jaringan Syaraf Tiruan Backpropagation) sebagai
pembanding dengan metode yang telah digunakan sebelumnya.
Powered by TCPDF (www.tcpdf.org)
Tugas Akhir - 2012
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi
xvii
DAFTAR PUSTAKA
[1] Ahmad, Usman. 2005. Pengolahan Citra Digital dan Teknik Pemrogramannya.
Penerbit Graha Ilmu: Yogyakarta.
[2] Arisandi, Bernardinus. 2011. Pengenalan Motif Batik Dengan Rotated Wavelet
Filter Dan Neural Network. Institut Teknologi Sepuluh Nopember. Surabaya
[3] Astuti, Nurullilta Dwi. 2010. Sistem Identifikasi Daun Aglonema Menggunakan
Analisis Warna dan Struktur Pada Citra Daun dengan Operasi Morfologi Citra
dan KNN. Institut Teknologi Telkom. Bandung
[4] C. H. Chen, L. F. Pau, 1998. The Handbook of Pattern Recognition and Computer
Vision (2nd Edition), : World Scientific Publishing Co.
[5] Citra Digital.
http://www2.ukdw.ac.id/kuliah/si/erickblog/MatakuliahKomputerGrafis_ 10E92/
CitraDigital.pdf [online] . 10 Desember 2010
[6] H. Santosa Doellah. 2002. Batik : Pengaruh Zaman dan Lingkungan. Batik Danar
Hadi Solo.
[7] JIawei Han, Micheline Kamber. 2002. “Data Mining Concept and Techniques”.
Academic Press
[8] Modul 3 – Analisis Tekstur.
http://www.biomed.ee.itb.ac.id/praktikum_citra/Modul_3_EL4027.pdf [online]. 10
Desember 2010
[9] Pengolahan Citra Digital.
http://www.informatika.org/~rinaldi/Buku/Pengolahan%20Citra%20Digital/Bab-1_
Pengantar%20Pengolahan%20Citra.pdf [online]. 10 Desember 2010
[10] Teknomo, Kardi. K-Nearest Neighbor Tutorial. 2006.
http://people.revoledu.com/kardi/tutorial/KNN/ [online]. 10 Desember 2010
[11] Wikipedia. Batik. http://www.unesco.org/culture/ich/index.php?RL=00170
[online]. 10 Desember 2010
Powered by TCPDF (www.tcpdf.org)
Tugas Akhir - 2012
Fakultas Teknik Elektro Program Studi S1 Teknik Telekomunikasi