SEGMENTASI CITRA BATIK BERDASARKAN FITUR TEKSTUR MENGGUNAKAN METODE FILTER GABOR DAN K-MEANS CLUSTERING
Abstract
Batik Pekalongan adalah salah satu kekayaan intelektual dan kebudayaan yang dimiliki oleh Indonesia yang harus dilestarikan dan dilindungi agar tidak diakui oleh bangsa lain. Salah satu cara untuk melestarikan dan melindungi batik Pekalongan adalah dengan melakukan pendataan secara komputerisasi yang berupa pengenalan pola. Dalam pengenalan pola, segmentasi citra merupakan proses yang pertama kali dilakukan sebelum proses selanjutnya yaitu analisis citra. Fungsi utama dari segmentasi citra adalah membagi citra ke dalam bagian-bagian wilayah (sub-regions) yang mempunyai kesamaan fitur antara lain: tekstur, warna, bentuk dan lain sebagainya. Tujuan dari penelitian ini adalah menganalisis hasil segmentasi menggunakan metode Filter Gabor dan K-means Clustering yang digunakan untuk membantu proses awal identifikasi batik Pekalongan berdasarkan fitur tekstur. Pada penelitian ini akan dilakukan pengumpulan data sesuai dengan topik yang diambil melalui observasi, wawancara, dan studi pustaka. Analisis dilakukan untuk menentukan kebutuhan yang berkaitan dengan fungsionalitas dan fasilitas aplikasi yang akan dirancang. Implementasi sistem pada proses segmentasi citra batik Pekalongan yaitu menggunakan Matlab 7.10. Sistem yang dihasilkan kemudian dilakukan pengujian dengan memproses 4 sampel citra dimana 1 sampel diambil 1 jenis citra. Citra akan diproses dan akan dibandingkan berdasarkan kombinasi dari nilai gamma, theta, dan lambda. Pengujian dilakukan dengan menggunakan 4 sampel motif Pekalongan dimana 1 sampel hanya diambil 1 jenis citra dan masing-masing jenis citra akan diuji sebanyak 18 kali. Hasil penelitian yang telah dilakukan dapat disimpulkan bahwa hasil segmentasi citra terbaik berada saat nilai gamma= 0.5, theta= 90, dan lambda= 15 sedangkan jika menggunakan nilai gamma, theta, dan lambda selain itu akan menghasilkan kualitas yang kurang baik. Sehingga hasil segmentasi yang dihasilkan dapat digunakan untuk proses analisis citra.
References
Apriliani, Dyah. 2012. Analisis Perbandingan Teknik Segmentasi Citra Digital Menggunakan Metode Level-set Chan & Vese Dan Lakton. Skripsi. Yogyakarta: Program Studi Teknik Informatika UAD.
Arisandi, Bernadinus, dkk. 2011. Pengenalan Motif Batik Dengan Rotated Wavelet Filter Dan Neural Network. Jurnal Penelitian Mahasiswa S1 Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh November. Online, Jilid 1, No.1
Babu, P. Ashok. 2012. Texture Segmentation by Using Haar Wavelets and K-means Algorithm. Associate Professor, Narsimha Reddy Engineering College, Hyderabad, A.P., INDIA. Online, Volume 1
Bawono Y, Lintang dan Dewi Oktalia. 2010. Analisis Tekstur Parket Kayu Jati Menggunakan Metode Filter Gabor. Jurnal Penelitian Mahasiswa dan Dosen. Online, Jilid 1, No.1
Imanuddin. 2010. Pengidentifikasian Batik Berdasarkan Pola Batik dan Ciri-ciri Batik Menggunakan Ekstraksi Fitur Tekstur Kain. Jurnal Penelitian Mahasiswa Teknik Informatika Universitas Gunadarma. Online
Kadir, Abdul dan Adhi Susanto. 2012. Teori dan aplikasi Pengolahan Citra. Yogyakarta: Andi
Munir, Rinaldi. 2004. Pengolahan Citra Digital dengan pendekatan Algoritmik. Bandung: Informatika
Wulandari, Ari. 2011. Batik Nusantara. Yogyakarta: Andi.
Downloads
Published
Issue
Section
License
Authors who publish with Jurnal Informatika (JIFO) agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.