KLASIFIKASI BATIK MENGGUNAKAN METODE K-NEAREST NEIGHBOUR BERDASARKAN GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM)

Batik adalah sejenis kain tertentu yang dibuat khusus dengan motif-motif yang khas yang langsung dikenali masyarakat umum. Salah satu permasalahan pada batik adalah batik memiliki motif dan warna yang sangat beragam, sehingga sulit untuk klasifikasi batik ke dalam kelas tertentu. Penelitian ini dilakukan untuk mengklasifikasikan batik ke dalam kelas-kelas berdasarkan daerah asal batik sehingga mempermudah dalam pengenalan batik dan pemahaman tentang batik. Metode yang digunakan adalah gray level co-occurrence matrices untuk ekstraksi ciri tekstur, sedangkan untuk menentukan kedekatan antara citra uji dengan citra latih menggunakan metode k-nearest neighbor berdasarkan fitur tekstur dari citra batik yang diperoleh. Fitur-fitur tekstur dicari menggunakan metode GLCM berdasarkan sudut 0°, 45°, 90° dan 135°. Metode evaluasi menggunakan confusion matrix untuk mengukur tingkat akurasi dalam proses klasifikasi. Dari hasil penelitian yang menggunakan 100 citra batik dengan 5 kelas yaitu Cirebon, Jakarta, Pekalongan, Solo dan Yogyakarta menghasilkan tingkat akurasi tertinggi pada uji coba 3 sudut 0 sebesar 57,50 % dan terendah pada uji coba 6 sudut 90 sebesar 20 %