Image Retrieval Batik Klasik Parang Rusak Menggunakan Ekstraksi Fitur Geometric Invariant Moment, Sobel Dan K-Nn

Abstract

Abstrak Penelitian ini berisikan tentang sistem deteksi jenis Batik Parang Rusak. Batik merupakan warisan budaya bangsa Indonesia. Motif Parang Rusak/Barong merupakan motif batik sakral yang hanya boleh dipakai oleh kalangan kerajaan atau keraton Yogyakarta pada jaman dahulu. Pengambilan data citra Batik Parang sebanyak 138 citra (98 citra latih dan 40 citra Uji) menggunakan kamera digital dan internet, dengan ukuran citra Batik 200 x 260 piksel dalam format file JPG dan BMP. Tahapan deteksi pada penelitian ini meliputi: (1) Grayscale untuk menjadikan citra RGB menjadi citra keabu-abuan; (2) Konversi citra menjadi citra biner untuk memudahkan proses pendeteksian tepi citra; (3) Pencarian deteksi tepi menggunakan metode Sobel sebagai tahap awal menuju ekstraksi bentuk; (4) Perolehan feature vector citra menggunakan metode Geometric Invarian Moment. Akurasi hasil deteksi pada 40 citra uji Batik dievaluasi dengan menggunakan metode Accuracy. Hasil evaluasi dari 40 citra yang terdeteksi menghasilkan nilai akurasi sistem pendeteksian sebesar 92,5%. AbstractThis research discusses an image detection system of Batik Parang Rusak types. Batik is the heritage cultural of Indonesia. Parang Rusak/Barong is a sacred motive which could only be worm by the royal family of Yogyakarta in the past. The data used in this research are 138 images (98 images training and 40 images test) taken by a digital camera and internet, the size of each image is 200 x 300 pixel, in JPG and BMP file formats. The detection phases of this research cover: (1) Grayscaling to convert RGB images into grayish; (2) Image conversion into binary to facilitate edge detection process; (3) Edge detection using Sobel method as the first step towards shape; (4) Acquisition of image feature vectors using Geometric Invarian Moment. The result of 40 Batik images test is evaluated using Accuracy method. The evaluation result of 40 image detection system accuracy value is 92.5%.

Studi Perbandingan Kombinasi GMI, HSV, KNN, dan CNN pada Klasifikasi Daun Herbal

“…Kelas dari suatu data adalah kelas yang terbanyak dari K data terdekat dengannya. Dalam Algoritma KNN, jarak antara data testing dan data training ditentukan untuk melakukan pengujian [23]. Jarak dari kedua data dihitung dengan Euclidean distance [24].…”

Bahasa Rupa Motif Batik Ciamis Melalui Program Lindenmayer Systems

“…Tahapan deteksi pada penelitian ini yaitu meliputi: (1) pembentukan citra Grayscale untuk menjadikan citra RGB menjadi citra keabuabuan; (2) Pengubahan citra RGB menjadi citra biner bertujuan mempermudah proses pendeteksian tepi citra; (3) Metode Sobel digunakan untuk memperoleh tepi citra (4) metode Geometric Invarian Moment digunakan untuk mendapat vector fitur. Akurasi dari 40 citra uji adalah 92,5% [15]. Penelitian-penelitian tersebut di atas belum ada yang membahas terkait dengan bahasa rupa motif batik Ciamis yang diusung melalui program Lindenmayer.…”