Content Based Image Retrieval Motif Batik Real Time Dengan Learning Vector Quantization

  • Bella Nugraheni Indrajati UMBY
  • Supatman Supatman UMBY
Keywords: Batik Yogyakarta, Learning Vector Quantization (LVQ), Texture, GLCM

Abstract

Batik, merupakan salah satu pakaian nasional masyarakat Indonesia, yang memiliki beragam Motif. Dengan
Banyaknya motif batik yang beredar di pasaran, masyarakat terkadang kesulitan untuk mengenali jenis motif
batik itu sendiri. Teknik pengolahan citra digital dan Learning Vector Quatization (LVQ) memiliki kemampuan
dalam hal temu kembali data citra berdasarkan ciri-ciri dan basis data pengetahuan. Citra batik akan diekstraksi
cirinya menggunakan GLCM. Kemudian, ciri tersebut akan dilatih dengan metode LVQ untuk mendapatkan
bobot terbaik sehingga dapat membedakan kelas antar batik. Aplikasi ini merupakan sebuahsistem yang dibuat
untuk membantu manusia dalam mengenali citra batik. Pengenalan ini dilakukan menggunakan algoritma LVQ
dengan melakukan pelatihan dari bobot awal, hingga menemukan bobot akhir yang dapat membedakan kelas
antar batik. Pengenalan akan dibantu oleh camera yang akan mengambil gambar secara real time yang kemudian
data dari camera diolah oleh sistem sehingga sistem dapat menemukan gambar yang sejenis dengan gambar
yang diambil oleh kamera. Pada proses pelatihan menggunakan parameter LVQ terdapat presentase terbaik
sebesar 91.67%, yaitu pada alfa 0.00001 dengan dec alfa 0.9 dengan iterasi terendah 2. Sedangkan pada sistem
CBIR presentase keberhasilan pengenalan citra batik mencapai 88,90%

Published
2019-11-30
Section
Articles