IMPLEMENTASI EKSTRAKSI FITUR TEKSTUR GRAY LEVEL CO-OCCURRENCE MATRICES (GLCM) UNTUK PENGELOMPOKAN CITRA TENUN MENGGUNAKAN ALGORITMA K-MEANS

Tenun merupakan sejenis kain yang dibuat dengan berbagai macam pola berdasarkan kebudayaan masing-masing daerah. Pengelompokan citra tenun dilakukan untuk menggolongkan suatu citra berdasarkan kemiripan pola dengan tenun lainnya kedalam satu cluster dengan menggunakan algoritma k-means berdasarkan fitur tekstur Gray Level Co-occurence Matrices (GLCM). Fitur-fitur tekstur dicari menggunakan metode GLCM berdasarkan sudut 0°, 45°, 90° dan 135°. Metode evaluasi cluster menggunakan DBI dan purity untuk mengukur seberapa bagus cluster yang dihasilkan. Dari hasil penelitian yang menggunakan 153 citra tenun dengan 5 cluster menghasilkan nilai DBI untuk setiap sudut adalah 0.537503, 0.527491, 0.535391, 0.526854, serta nilai purity 0,4337, 0,3951, 0,4411 dan 0,3895. Ini membuktikan bahwa pengelompokan dengan k-means menggunakan fitur-fitur GLCM menghasilkan cluster yang masih belum cukup maksimal