Abstrak

Pada penelitian ini akan dikembangkan sebuah sistem perangkat lunak yang mampu mengklasifikasikan motif batik melalui pengolahan citra digital. Diagnosa pada citra motif batik dilakukan melalui ekstraksi fitur tekstur menggunakan Gray Level Co-occurrence Matrix (GLCM), dan metode Jaringan Syaraf Tiruan dengan arsitektur Backpropagation untuk proses klasifikasi.

Proses pengujian dilakukan dengan melakukan ekstraksi ciri pada motif batik yang telah didapatkan menggunakan metode Gray Level Co-occurrence Matrix (GLCM) yang menghasilkan matriks GLCM. Kemudian masing-masing citra hasil pre-processing dibagi menjadi citra latih dan citra uji. Citra latih diolah menjadi ciri statistik dan disimpan sebagai database. Data dari citra latih menjadi acuan yang digunakan untuk identifikasi hama daun teh melalui Jaringan Syaraf Tiruan (JST) Backpropagation.

Sistem yang dibuat pada penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan 4 motif Batik Yogyakarta Parang, Nitik, Lereng, dan Gurda dengan perbandingan data latih dan data uji yang digunakan yaitu 80:20, 50:50, dan 20:80. Pada sistem identifikasi ini parameter yang digunakan yaitu citra dengan ukuran 128×128 piksel, arah sudut 0°, 45°, 90°, dan 135°, ciri statistik contrast, correlation, energy, dan homogeneity serta nilai Hidden Layer pada JST sebesar 50, 100, dan 150, Epoch dengan nilai 100, 200, dan 250 didapatkan akurasi tertinggi pada perbandingan data latih dan data uji 80:20, Hidden Layer 50, serta Epoch 100 dengan nilai 92,10%. Hasil penelitian ini diharapkan mampu membantu pelaku bisnis batik agar dapat mengenalkan motif batik dengan lebih mudah.