Seminar Universitas PGRI Semarang, Science and Engineering National Seminar 3 (SENS 3)

Font Size: 
PENGARUH THRESHOLDING OTSU PADA KLASIFIKASI MOTIF BATIK PESISIR MENGGUNAKAN K-NEAREST NEIGHBOUR
Novita Kurnia Ningrum, Novi Hendriyanto, Defri Kurniawan

Last modified: 2017-09-14

Abstract


Berdasarkan bidang seni rupa, batik termasuk dalam karya lukis dua dimensi yang menggunakan kain sebagaimedia lukisnya. UNESCO telah mengakui batik sebagai karya seni asli warisan budaya masyarakat Indonesiapada tahun 2009. Secara garis besar ragam hias batik dibedakan menjadi 2, yaitu ragam hias geometri dannongeometri. Batik sebagai warisan budaya Indonesia dapat dilestarikan tidak hanya dalam bentuk fisikmelainkan juga dalam bentuk digital. Citra batik dalam bentuk digital dapat diolah secara komputasi. Denganpengolahan citra digital motif batik yang sudah pernah ada tidak hilang dan selanjutnya dapat dipelajari dandikembangkan. Pada awal pengolahan citra batik ini dilakukan cropping secara manual pada citra batik pesisirdengan merubah ukuran piksel menjadi 64 x 64 piksel. Dilanjutkan greyscaling pada citra hasil cropping,kemudian disegmentasi dengan pendekatan thresholding otsu dengan tujuan menentukan nilai ambang bataspada batas tepi citra. Untuk nilai piksel tinggi dianggap sebagai batas tepi yang kuat dan untuk nilai pikselrendah dianggap sebagai batas tepi yang lemah. Berdasarkan analisis diskriminan, segmentasi thresholding otsudapat membedakan antara dua kelompok atau lebih yang muncul secara alami. Dengan demikian histogramcitra greyscale dibagi menjadi dua daerah yang berbeda secara otomatis tanpa inputan k ambang batas yangberkisar antara 1 sampai 225. Untuk ekstraksi fitur menggunakan grey level cooccurance matrix, denganmengkonfersikan gray scale level pada citra greyscale ke bentuk grey pixel matrix. Jumlah piksel berdekatanpada jarak dan arah yang sudah ditentukan akan membentuk fungsi matriks kookurensi. Selanjutnyamenentukan ciri citra berdasarkan kemiripan piksel dari jumlah dari kookurensi piksel dengan jarak d=1 dansudut ɵ (0°, 45°, 90° dan 135°). Ekstraksi fitur tersebut menghasilkan nilai contrast, corelation, energy danhomogenity. Motif batik pesisir diklasifikasikan menjadi motif geometri dan non geometri. Hasil dari klasifikasimenunjukkan bahwa dengan menambahkan thresholding otsu menghasilkan akurasi yang cukup baik, denganpersentse tertinggi 85% pada k = 1.

Kata Kunci: tresholding otsu, glcm, batik pesisir


Full Text: PDF