IDENTIFIKASI CITRA BATIK DENGAN METODE CONVOLUTIONAL NEURAL NETWORK

  • Ayu Ratna Juwita
  • Tohirn Al Mudzakir
  • Adi Rizky Pratama
  • Purwani Husodo
  • Rahmat Sulaiman

Abstract

Batik merupakan suatu kerjianan tangan yang memiliki nilai seni yang cukup tinggi dan juga salah satu bagian dari budaya indonessia. Untuk melestraikan budaya warisan batik dapat dikakukan dengan berbagai cara dengan pengenalan pola batik yang sangat beragam khususnya batik karawang. Penelitian ini membahas klasifikasi pola batik karawang menggunakan Convolutional Neural Network (CNN)  dengan ciri gray level Co-ocurrence Matrix. Proses awal yang akan dilakukan  yaitu preprocessing untuk mengubah citra warna menjadi grayscale, selanjutnya citra akan di segmentasikan sehingga memisahkan citra pola batik dengan background menggunakan metode otsu dan di ekstraksi menggunakan metode gray level co-ocurrence matrix untuk mendeteksi pola-pola batik. selanjutnya akan diklasifikasikan menggunakan metode Convolutional Neural Network (CNN) yang memberikan hasil klasifikasi citra batik. Dengan penerapan model klasifikasi citra batik Karawang ini memliki data training sebanyak 1094 citra latih dengan nilai akurasi 18,19% untuk citra latih,  citra dapat mengklasifikasikan dengan uji coba 344 citra batik, 45 citra batik Karawang, 299 citra batik luar Karawang mencapai 18,60% nilai tingkat akurasi, sedangkan hasil uji coba menggunakan citra batik karawang yang dapat dikenali dan diklasifikasikan mencapai nilai tingkat akurasi 73,33 %.

Kata Kunci : Klasifikasi citra batik, CNN, GLCM, Otsu, Image Processing

 

Batik is a handicraft that has a high artistic value and also Batik is a part of Indonesian culture. To preserve the cultural heritage of batik it can be do in various ways with the introduction of many diverse batik patterns, especially karawang batik.. This study discusses the classification of Karawang batik patterns using Convolutional Neural Network (CNN) with gray level co-occurrence matrix characteristics. Initial process is preprocessing to convert the color image to grayscale, Then the image will be segmented. It can separated the image of the batik pattern from the background using the Otsu method and extracted using the gray level co-occurrence matrix method to detect batik patterns. Then, it will be classified using the Convolutional Neural Network (CNN) method which gives the results of batik image classification. With the application of this Karawang batik image classification model, it has training data of 1094 training images with an accuracy value of 18.19% for training images, images can be classified by testing 344 batik images, 45 Karawang batik images, 299 outer Karawang batik images reaching 18.60 % the value of the accuracy level, while the results of the trial using the image of batik karawang which can be recognized and classified reach an accuracy level of 73.33%.

Keywords: Batik image classification, CNN, GLCM, Otsu, Image Processing

Published
2021-11-15
Section
Articles