SISTEM PENGENALAN POLA MOTIF BATIK KEDIRI JURNAL SKRIPSI

Transkripsi

1 SISTEM PENGENALAN POLA MOTIF BATIK KEDIRI JURNAL SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Teknik Informatika Disusun Oleh : ANGGIE WIBOWO NPM : FAKULTAS TEKNIK (FT) UNIVERSITAS NUSANTARA PERSATUAN GURU REPUBLIK INDONESIA UN PGRI KEDIRI 2017

2 ABSTRAK Anggie wibowo: Sistem Pengenalan Pola Motif Batik Kediri, Skripsi, Teknik Informatika, Fakultas Teknik UNP Kediri, Kain batik adalah asli warisan nenek moyang bangsa Indonesia dan merupakan ciri khas bangsa Indonesia dan telah di akui Dunia. Batik sudah merupakan bagian dari masyarakat Indonesia. Apalagi dengan disahkanya batik sebagai identitas Bangsa Indonesia oleh UNESCO pada tanggal 2 oktober Hampir seluruh daerah di Indonesia memiliki ciri khas motif batik sendiri.setiap motif tersebut memiliki berbagai macam makna dan sejarah dari setiap daerah tersebut. Misalnya, di Jawa timur khususnya daerah kediri. Misalnya batik ikan koi yang berasal dari plosoklaten yang melambangkan jenis usaha yang berkembang di plosoklaten. Adanya kemiripan pola atau motif batik dan sifat manusia yang subyektif mengakibatkan orang kesulitan dalam mengidentifikasi tingkat kemiripan pola motif batik. Dari permasalahan tersebut, maka dapat dirumuskan masalah sebagai berikut: (1) Bagaimana menerapkan metode principal component analysis dalam pembuatan aplikasi pengenalan pola batik kediri? (2) Bagaimana mengitung jarak terdekat pengenalan citra batik menggunakan metode Euclidean distance? Penelitian dilakukan untuk mengenali pola motif batik dengan menggunakan metode PCA, dan di klasifikasikan dengan metode euclidean distance. Sebelum masuk ke ekstraksi ciri dilakukan proses cara memisahkan citra RGB menjadi 3 buah citra, citra merah,citra hijau,citra biru. Misal data training dan testing citra RGB beserta hasil ekstrasinya(citra merah,citra hijau, citra biru). Setelah nilai didapatkan atau ditentukan nilai minimal dari masing-masing ekstraksi ciri, Kemudian dari nilai ekstraksi ciri dapat dilakukan pencocokan jarak terdekat, Dengan membandingkan citra testing dan nilai minimal ekstraksi ciri menggunakan euclidean distance. Berdasarkan hasil pengujian yang telah dilakukan dapat diambil kesimpulan (1) Proses pengenalan pola motif batik dilakukan dengan mengekstraksi ciri dengan menggunakan metode PCA dan diklasifikasikan dengan metode euclidean distance. (2) Sebelum masuk ke ekstraksi ciri dilakukan proses ekstraksi nilai dari matriks RGB tersebut dengan cara memisahkan citra RGB menjadi 3 buah citra, citra merah, citra hijau, citra biru. (3) Setelah nilai didapatkan atau ditentukan nilai minimal dari masing-masing ekstraksi ciri, kemudian dari nilai ekstraksi ciri dapat dilakukan pencocokan jarak terdekat, dengan membandingkan citra testing dan nilai minimal ekstraksi ciri menggunakan euclidean distance. (4) Aplikasi bantu pengolahan citra dapat dibuat dengan tingkat akurasi sebesar 80% kebenaran aplikasi dan 20% kesalahan aplikasi. Dari hasil uji coba yang dilakukan terhadap sistem menggunakan 10 jenis motif batik, 2 jenis motif batik gagal dikenali oleh sistem. Oleh sebab itu didapatkan hasil akurasi sistem sebesar 80%. Kata Kunci: Batik, Pengenalan, Ekstraksi Ciri, PCA, Euclidean Distance

3 I. PENDAHULUAN A. Latar Belakang Kain batik adalah asli warisan nenek moyang bangsa Indonesia dan merupakan ciri khas bangsa Indonesia dan telah di akui dunia. Batik merupakan bagian dari masyarakat indonesia. Apalagi dengan disahkanya batik sebagai identitas bangsa indonesia oleh UNESCO pada tanggal 2 oktober Hampir seluruh daerah di indonesia memiliki ciri khas motif batik sendiri. Setiap motif tersebut memilki berbagai macam makna dan sejarah dari setiap daerah tersebut. Misalnya, di jawa barat ada beberapa daerah yang terkenal akan batiknya hampir keseluruh indonesia yaitu mega mendung (Cirebon), kujang (Cimahi), dan iwan ketong. Pada penelitian-penelitian sebelumnya sistem identifikasi batik belum terlalu spesifik atau detail untuk menjelaskan tentang jenis pengenalan pola batik daerah, masih pada jenis batik saja dan belum spesifik dan detail, seperti halnya jenis motif batik daerah semen kediri. Karena di daerah kediri jenis motif nya tidak hanya satu setiap daerah jenis motif dan pola batik berbeda untuk mengetahui atau mengenal citra batik berdasarkan jenis motifnya. Untuk mengetahui pola dan motif batik dibuatlah sistem pengenalan pola motif batik kediri. Dengan menggunakan metode principal component analysis pada suatu teknik yaitu mereduksi data multidimensi menjadi data dengan dimensi yang lebih kecil, dengan tetap mempertahankan karakteristik data tersebut. euclidean distance adalah salah satu teknik pencocokan atau mencari jarak terdekat dengan menghitung jarak antara 2 objek yang merupakan selisih antara 2 buah vector yang akan dibandingkan untuk pengenalan sebuah objek yang akan diuji dan menghasilkan pengenalan pola motif batik. Sistem identifikasi motif batik merupakan salah satu kegiatan pengenalan motif batik yang ada di kecamatan semen kediri. Karena di daerah kecamatan semen masih belum ada sistem pengenalan pola motif batik. B. Identifikasi masalah Berdasarkan latar belakang masalah di atas, maka dapat diidentifikasi masalah yaitu: Belum adanya alat bantu yang mempermudah masyarakat umum mengenali motif batik yang ada di kecamatan semen kediri. Ada berbagai jenis batik yang ada di indonesia, namun tidak semua orang mengenali batik khas semen kediri. Masyarakat masih menganggap batik hanya ada didaerah solo, jojga, pekalongan. Tetapi pada kenyataanya tidak seperti itu di daerah kediri tepatnya di kecamatan semen banyak pengrajin yang membuat batik khas kediri sehingga diperlukan alat bantu yang mempermudah dan mengetahui jenis motif batik yang ada di kediri. Dalam aplikasi ini akan membahas pola motif batik semen yaitu mencari sebuah kemiripan hasil yang lebih dominan dari gambar asli yang berada pada suatu database yang telah disiapkan sebelumnya. Sistem ini akan membantu dan dapat menjawab ketidaktahuan masyarakat luas tentang motif batik yang ada di kediri, dan dapat berkembang luas di tanah air dan di luar negeri. Sehingga kota kediri dijadikan destinasi kerajinan batik yang semakin

4 terkenal dan memiliki ciri khas tersendiri. C. Pembatasan Masalah Batasan masalah dalam penelitian ini adalah sebagai berikut : 1. Citra yang dibahas adalah citra motif batik. 2. Obyek yang digunakan adalah sample citra motif batik yang berada di desa semen kediri. 3. Data citra motif batik adalah file gambar berformat JPG dan berukuran 80x80 pixel. 4. Jumlah data yang digunakan adalah 50 citra batik dari 10 motif batik. 5. Untuk pengambilan datanya menggunakan kamera digital. 6. Untuk mengklasifikasikan citra motif batik menggunakan metode principal component analysis. 7. Perangkat Lunak yang digunakan untuk membuat sistem adalah matlab. 8. Untuk menghitung jarak terdekat menggunakan euclidean distance. D. Rumusan Masalah Dari kasus diatas maka dapat dirumuskan beberapa masalah berikut ini : 1. Bagaimana menerapkan metode principal component analysis dalam pembuatan aplikasi pengenalan pola batik kediri? 2. Bagaimana mengitung jarak terdekat pengenalan citra batik menggunakan metode euclidean distance? E. Tujuan Penelitian Tujuan yang hendak dicapai dari penelitian ini antara lain sebagai berikut : 1. Untuk menerapkan pengenalan motif batik dengan metode principal component analysis 2. Untuk menghitung jarak terdekat citra batik dengan metode euclidean distance F. Kegunaan Penelitian Adapun manfaat dari hasil penelitian ini adalah : 1. Manfaat Praktis Peneliti memperoleh pengetahuan berkaitan dengan pengolahan citra digital. 2. Manfaat Teoritis Dari penelitian ini diharapkan dapat menjadi pembanding antara ilmu-ilmu teknologi informasi dengan kejadian nyata di kehidupan sehari-hari sehingga dapat memajukan teknologi informasi khususnya dalam bidang pengolahan citra digital. G. Metodologi Penelitian Metodologi penelitian yang digunakan adalah penelitian kuantitatif dan eksperimental dengan melakukan analisa penerapan metode PCA untuk mengenali citra motif batik dengan mengubah data training dan datat testing untuk memperoleh hasil yang maksimal. H. Pendekatan Teknik 1. Studi Pustaka Daftar referensi dari semua jenis referensi seperti buku, jurnal papers, artikel, disertai, tesis, skripsi, hand outs, laboratory manuals, dan karya ilmiah lainya yang dikutip di dalam penulisan proposal. 2. Mengumpulkan Data Citra Data yang dikumpulkan yaitu data training dan test hasil gambar (foto) motif batik yang diambil dari desa semen kabupaten kediri. 3. Melakukan Rekayasa Sistem Perancangan software yang akan dibuat oleh peneliti berdasarkan studi literatur yang ada. Perancangan sistem meliputi desain alur program,

5 antarmuka dan algoritma pemrograman. 4. Menganalisa dan Merancang Sistem Pembuatan program atau perancanganya dilakukan berdasarkan studi literatur dan rancangan sistem yang telah dibuat sebelumnya. Pembuatan atau perancangan menggunakan bahasa pemrograman yang telah disepakati sebelumnya. 5. Melakukan Koding Pengimplementasikan hasil penelitian menjadi bahasa pemrograman. 6. Melakukan Pengujian dan Implementasi Sistem Pembuatan perangkat lunak dari hasil perancangan sistem pengenalan motif batik berdasarkan citra batik, melakukan pengujian sistem kerja dan analisis sistem program ini dengan pengujian meliputi pengenalan motif batik. I. Kriteria Pengujian Kriteria yang ditetapkan oleh penulis untuk menilai keberhasilan pembangunan sistem pengenalan citra motif batik menggunakan metode PCA adalah sebagai berikut : 1. Validitas Sistem harus mampu memberikan informasi dari setiap motif batik. 2. Kepraktisan Dalam penggunaannya sistem harus dapat memudahkan pengguna sehingga informasi dapat dipahami oleh pengguna. 3. Efektifitas Sistem harus dapat dengan mudah dipahami pengguna. Desain sistem dan navigasi harus mudah dioperasikan pengguna II. TINJAUAN PUSTAKA 1. Batik Batik merupakan wujud hasil cipta karya seni yang adiluhung, diekspresikan pada motif kain untuk pakaian, sarung, kain panjang, dan kain dekoratif lainnya. Secara harfiah batik dijelaskan sebagai kain bergambar yang dibuat secara khusus dengan menuliskan atau menorehkan malam (lilin) pada kain, kemudian pengolahannya diproses dengan cara tertentu. Teknik pembuatan batik dikerjakan dengan cara cap, printing (sablon), kain tekstil bercorak batik, batik dengan komputer, serta batik tulis. Batik tulis dibuat dengan menggunakan malam dan canting. Awal pengenalan batik di indonesia melalui proses asimilasi kebudayaan pendatang cina dan india, kemudian dengan penduduk pribumi, sejalan dengan perkembangan nilai sosial dan budaya bangsa indonesia, batik hasil karya seni tumbuh dan berkembang menjadi kekayaan nasional yang bernilai tinggi dan telah mendapat pengakuan dari PBB melalui UNESCO sebagai warisan budaya dunia (Intangible cultural heritage) yang dihasilkan oleh indonesia (Wulandari, 2011). 2. Citra Definisi citra menurut kamus Webster, definisi citra adalah suatu representasi, kemiripan, atau imitasi dari suatu obyek atau benda. Citra dapat dikelompokkan menjadi citra tampak dan tak tampak. Citra tampak contohnya, foto, gambar yang nampak dilayar monitor (citra optis). Sedangkan citra tak tampak misalnya data gambar dalam file (citra digital). Untuk dapat dilihat mata manusia, citra tak tampak harus diubah menjadi citra tampak, misalnya

6 dengan menampilkannya di monitor. Karena berbentuk data numeris, maka citra digital dapat diolah dengan computer (Balza, 2005). 3. Principal Component Analysis Principal Components Analysis (PCA) ditemukan pada tahun 1901 oleh Karl Pearson. Sebutan lain untuk Principal Components Analysis (PCA) (Smith, 2002). Adalah transformasi Karhunen-Loeve (singular value decomposition) pada matriks, transformasi Hotelling atau Proper Orthogonal Decomposition (POD) ataupun Empirical Orthogonal Function (EOF). Metode PCA digunakan untuk mereduksi dimensi variable data input menjadi komponen utama yang berdimensi lebih kecil dengan kehilangan informasi minimum. dengan usaha minimal, PCA mampu menyediakan alur bagaimana mengurangi kumpulan data yang kompleks ke dalam dimensi yang lebih kecil (Purnomo, 2010). 4. Metode Euclidean Distance Euclidean Distance atau jarak digunakan untuk menentukan tingkat kesamaan (similarity degree) atau ketidaksamaan (disimilarity degree) dua vektor fitur. Tingkat kesamaan berupa suatu nilai score dan berdasarkan score tersebut dua vektor fitur akan dikatakan mirip atau tidak (Putra, 2010). Euclidean Distance adalah metrika yang paling sering digunakan untuk menghitung kesamaan 2 vektor. Euclidean distance menghitung akar dari kuadrat perbedaan 2 vektor (Putra, 2010). Rumus dari euclidean distance : Keterangan : : jarakeuclidean antara i dan j n : jumlah data training : data training : data testing 5. Matlab (Matrix Laboratory) Matlab adalah sebuah bahasa dengan kemampuan tinggi untuk komputasi teknis. Matlab menggabungkan komputasi, visualisasi, dan pemrograman dalam satu kesatuan yang mudah digunakan di mana masalah dan penyelesaiannya diekspresikan dalam notasi matematik yang sudah dikenal (Muhalian, 2013). 6. METODE PENGEMBANGAN A. Flowchart Sistem Gambar 2.1 Flowchart Sistem

7 B. Data Training dan data testing Gambar 2.2 data training dan data testing C. Hasil testing 1. euclidean distance dengan citra training ke-1 2. euclidean distance dengan citra training ke euclidean distance dengan citra training ke-3. D. Validasi Model Hasil pengenalan pola motif batik yang dikenali atau termirip dan tidak mirip atau tidak dapat dikenali dapat ditentukan dengan membandingkan mencocokan nilai citra testing dengan nilai minimal atau nilai yang diperoleh dari ekstraksi ciri. Dimana hasilnya akan membandingkan pola motif batik yang termirip dan yang tidak mirip. Langkah terakhir, dilakukan perbandingan antara nilai euclidean distance yang didapat. Semakin kecil nilai euclidean distance, maka data testing dan data training semakin mirip. dari nilai d1, d2, dan d3 yang diperoleh, tampak bahwa nilai euclidean distance terkecil dimiliki oleh d1 yang artinya data testing paling mirip dengan data training pertama. Karena kelas dari data training pertama adalah batik Ikan Koi, maka data testing juga merupakan batik Ikan koi. 7. PEMBAHASAN Tampilan aplikasi pengolahan citra untuk pengenalan pola motif batik berdasarkan polanya menggunakan metode ekstraksi ciri seperti berikut: Gambar 2.3 interface pertama Gambar 2.3 adalah tampilan pertama sebelum dimasukan data batik training untuk memanggil folder data training kemudian proses. Gambar 2.4 Tampilan setelah gambar di inputkan

8 Kemudian tampilan setelah dimasukan data batik hasil dari citra RGB dan yang paling mirip, training memanggil data training, setelah itu proses,setelah itu folder testing untuk memanggil data testing lalu proses. Gambar 2.5 Hasil detail pengenalan batik ikan koi Gambar 2.5 Hasil detail pengenalan batik ikan koi beserta nilai dari euclidean distance Pilih tombol detail untuk hasil interface atau tampilan batik euclidean distance yang paling mirip A. Simpulan Dari rumusan masalah dan tujuan penelitian, didapatkan simpulan yakni 1. Proses pengenalan pola motif batik dapat dilakukan dengan mengekstraksi ciri dengan menggunakan metode PCA dan diklasifikasikan dengan metode euclidean distance. Sebelum masuk ke ekstraksi ciri dilakukan proses ekstraksi nilai dari matriks RGB tersebut dengan cara memisahkan citra RGB menjadi 3 buah citra, citra merah, citra hijau, citra biru. Misal data training dan testing citra RGB beserta hasil ekstrasinya(citra merah, citra hijau, citra biru). 2. Setelah nilai didapatkan atau ditentukan nilai minimal dari masing-masing ekstraksi ciri, kemudian dari nilai ekstraksi ciri dapat dilakukan pencocokan jarak terdekat, dengan membandingkan citra testing dan nilai minimal ekstraksi ciri menggunakan euclidean distance. Aplikasi bantu pengolahan citra dapat dibuat dengan tingkat akurasi aplikasi sebesar 80% kebenaran aplikasi dan 20% kesalahan aplikasi. Dari hasil uji coba yang dilakukan terhadap sistem menggunakan 10 jenis motif batik, 2 jenis motif batik gagal dikenali oleh sistem. Oleh sebab itu didapatkan hasil akurasi sistem sebesar 80%. B. Saran Kesempurnaan dari suatu sistem selalu bersifat relatif berdasarkan cara pandang dan konsep dari setiap pemikiran yang berbeda serta memiliki alur yang bervariasi. Karena sistem ini dibangun berdasarkan alur pemikiran peneliti, maka untuk hasil yang lebih baik dan maksimal di perlukan saran dari pihak manapun untuk melengkapi kekurangan yang ada. Saran untuk peneliti selanjutnya yaitu : 1. Menambahkan inputan jenis yang lebih banyak atau jenis batik lain. 2. Menambahkan metode lain agar lebih akurat dalam proses pengidentifikasian. 3. Menerapkan dalam bahasa pemrograman yang lain, Misalnya PHP,Java,Vb dll. 8. DAFTAR PUSTAKA Ahmad, Usman Langkah Membuat Program Pengolah Citra Menggunakan Visual C#. Yogyakarta: Graha Ilmu.

9 Arisandi dkk Pengenalan motif batik menggunakan rotated wavelet filter dan neural network. Institut Teknologi Sepuluh Nopember. Dila, Klasifikasi eucliden distance tersedia: / /a.diakses tanggal 21 november Effendy, Bobby Autentikasi telapak tangan pada citra digital menggunakan metode support vector machine. Universitas Trunojoyo Madura. Hapsari, dhenok woro Proses pembuatan batik. srika ndidhenokhapsariuny.blogspot. co.id/2014_02_01_archive.htm l. Diakses pada 25 November Khasim, Ahmad Anita Klasifikasi citra batik menggunakan jaringan tiruan berdasarkan (GLCM). Universitas Tadulako Palu. Larasati, Amanda Pengenalan citra batik menggunakan metode cellular automata. Teknik Pengolahan Citra Digital. Yogyakarta: Ardi Publishing. Muhalian, Alamsyah Sejarah dan Definisi Matlab. Tersedia : Blog spot.com /2013/10/normal-0- false-false-false-en-us-x-none.html. Diakses 25 Desember Navarette, Pablo Javier Del Sollar edu/ /klasifikasi menggunakan metode euclidean distance denagn vb6, diakses pada 21 november Prawira, Andry Yudha Pengertian dan sejarah batik Indonesia. eandry yudha.blogspot.co.id/2010/11/p engertian-dan-sejarah-batikindonesia.html. Diakses pada 25 november. Putra, Darma Pengolahan Citra Digital. Yogyakarta: CV ANDI OFFSET. (Online). Tersedia: diakses 25 November Purnomo, M. H., Muntasa, A., 2010, Konsep Pengolahana Citra Digital dan Ekstraksi Fitur, Graha Ilmu, Yogyakarta. Smith, L., 2002, A tutorial on Principal Components Analysis, c.nz/cosc453/studenttutorials/p rincipal_components.pdf,diaks es tanggal 25 November Wardhani, Eka Widya Pengenalan motif batik menggunakan metode transformasi paket wavelet. Fakultas Teknik, Universitas Widya Tama Bandung. Widagdho, Johanes Pengenalan motif batik mengunakan deteksi tepi canny

10 k nearest neigbour. Universitas Dian Nuswantoro Semarang. Wulandari, Ari Batik Nusantara-makna filosofis cara pembutan dan industry batik. Jogjakarta:Andy. Wulanningrum, Resty Penggunaan principal componen analysis dan euclidean distance untuk identifikasi tanda tangan. Universitas Nusantara PGRI Kediri.