Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal of Deep Learning, Computer Vision and Digital Image Processing

SULSEL TYPICAL BATIK MOTIF CLASSIFICATION USING NEURAL NETWORK METHOD WITH GLCM FEATURE EXTRACTION: KLASIFIKASI MOTIF BATIK KHAS SULSEL MENGGUNAKAN METODE JST DENGAN EKSTRAKSI FITUR GLCM Trisakti Akbar; Muhammad Fajar B; Muhammad Akbar Amir; Andi Akram Nur Risal; Nur Azizah Ayu Safanah; M. Miftach Fakhri
Journal of Deep Learning, Computer Vision, and Digital Image Processing Volume 1 Issue 1 Maret 2023
Publisher : CV. Sakura Digital Nusantara

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.61255/decoding.v1i1.49

Abstract

Batik adalah salah satu warisan budaya Indonesia yang terbuat dari corak/gambar di atas sebuah kain. Di Sulawesi Selatan, terdapat begitu banyak motif batik. Motif-motif itu pun terus mengalami perkembangan seiring berjalannya waktu. Karena jumlahnya yang banyak, tentunya akan membuat masyarakat kesulitan untuk mengidentifikasi motif batik yang ada saat ini. Untuk mengatasi permasalahan tersebut, penulis melakukan penelitian untuk mengklasifikasikan motif batik menggunakan Jaringan Syaraf Tiruan (JST) dengan ekstraksi fitur Gray Level Co-Occurrence Matrix (GLCM). Sampel yang digunakan adalah batik khas Sulawesi Selatan, yaitu motif Tongkonan, motif Kapal Pinisi, motif Lontara, dan motif Toraja gabungan. GLCM digunakan untuk mengekstraksi fitur, terdiri dari Angular Second Moment (ASM), kontras, Inverse Difference Moment (IDM), entropi, dan korelasi, yang kemudian diklasifikasikan dengan metode JST. Berdasarkan hasil uji coba menggunakan 120 data latih dan 40 data uji dari masing-masing jenis batik, didapatkan tingkat akurasi yang sangat tinggi yaitu 100%.