Optimasi Klasifikasi Batik Betawi Menggunakan Data Augmentasi Dengan Metode KNN Dan GLCM

Abstrak

Batik telah menjadi salah satu warisan budaya leluhur negara Indonesia yang  terus dikembangkan, dilestarikan dan dijadikan identitas budaya bangsa Indonesia. Salah satu batik yang belum terangkat ke permukaan adalah batik Betawi. Penelitian ini dilakukan untuk mengklasifikasikan batik betawi ke dalam beberapa kelas berdasarkan motif nya sehingga mempermudah dalam pengenalan batik betawi secara citra digital. Metode yang digunakan adalah K-Nearest Neighbor untuk menentukan kedekatan antara citra uji dengan citra latih sedangkan Gray-Level Co-occurrence Matrix untuk ekstraksi ciri teksturnya. Untuk dataset penulis menggunakan dataset publik dari website Kaggle yang berjudul “Indonesian Batik Motifs” dan beberapa sumber dari Google. Karena kekurangan banyak dataset, maka penulis mengaugmentasi dataset yang sudah di dapatkan hingga berjumlah 1.020 citra. Dan hasilnya persentase nilai akurasi tertinggi terdapat pada motif Burung Hong, Monas, Nusa Kelapa, Pengantin Betawi, Ondel-Ondel, Rasamala dan Salakanagara sebanyak 97%. Untuk nilai akurasi terendah terdapat pada motif  Kali Ciliwung dan Topeng Betawi sebanyak 93%. Selebihnya yaitu motif Golok, Penari Ngarojeng dan Pucuk Rebung mendapatkan nilai akurasi sebanyak 95%. Dan nilai rata-rata akurasi dari semua motif batik Betawi ini mendapatkan nilai 96%. Hasil ini menunjukan bahwa penelitian ini sangat baik.

Kata kunci : Klasifikasi, Batik Betawi, K-Nearest Neighbor, Gray-Level Co-occurrence Matrix.