SEGMENTASI CITRA BATIK BERDASARKAN FITUR TEKSTUR MENGGUNAKAN METODE FILTER GABOR DAN K-MEANS CLUSTERING

• Main Authors: Amin Padmo A.M, Murinto Murinto
• Format: Article
• Language: English
• Published: Universitas Ahmad Dahlan 2016-01-01
• Series: Jurnal Informatika
• Online Access: http://www.journal.uad.ac.id/index.php/JIFO/article/view/3349
• ISSN: 1978-0524; 2528-6374

<p><em>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</em>.</p>