BAB I PENDAHULUAN 1.1 Latar Belakang Indonesia merupakan negara yang terdiri dari banyak ragam suku dan budaya. Masing-masing daerah mempunyai keunikannya tersendiri. Keunikan tersebut disalurkan dalam bentuk tarian, lagu, kuliner, pakaian daerah, kain khas daerah, dan sebagainya. Batik merupakan warisan leluhur dari generasi ke generasi bangsa Indonesia. Batik sebagai salah satu seni tradisional Indonesia menyimpan konsep artistik yang tidak dibuat semata-mata untuk keindahan. Istilah batik sendiri berasal dari bahasa Jawa amba, yang artinya menulis dan niti. Batik juga fungsional sebagai pilihan busana sehari-hari, untuk keperluan upacara, adat, tradisi, kepercayaan, agama, bahkan status sosial [5]. Di Indonesia sendiri terdapat berbagai jenis batik yang memiliki motif, corak dan arti yang berbeda. Di propinsi Bengkulu terdapat salah satu batik peninggalan bangsa Indonesia, yaitu batik Besurek. Motif pada batik besurek sendiri dulunya adalah sakral yang sering di gunakan pada upacara adat Bengkulu, seperti nikahan, sunatan, dan upacara adat lainnya. Dulunya batik ini bukan merupakan batik, melainkan hanya kain yang terbuat dari serat kayu dan akar yang bernama lantung, tetapi seiring berkembangnya teknologi dan pola pikir masyarakat Bengkulu akhirnya di buatlah menjadi batik yang lebih sederhana dan proses pembuatannya tidak begitu sukar. Motif dasar merupakan pedoman pengembangan untuk mendapatkan jenis-jenis motif baru. Dalam bidang Ilmu Komputer, terdapat banyak metode yang dikembangkan dengan metode lain, termasuk kemajuan teknologi di dalam pelestarian budaya.
2 Salah satu metode yang dapat dikembangkan adalah Data Mining. Data Mining yaitu pengekstrakan informasi baru yang yang diambil dari bongkahan data besar yang membantu dalam pengambilan keputusan. Salah satu metode dalam Data Mining adalah K-Nearest Neighbor (K-NN). K-Nearest Neighbor (K-NN) adalah algoritma yang melakukan klasifikasi berdasarkan kedekatan lokasi (jarak) suatu data dengan data yang lain [8]. Tujuan dari algoritma ini adalah mengklasifikasi objek baru berdasarkan atribut dan sampel latih. Pada penelitian ini membahas mengenai teknik mengklasifikasikan motif batik Besurek Bengkulu dengan menggunakan metode deteksi tepi Robert dan metode klasifikasi yang digunakan adalah metode K-Nearest Neighbor (K-NN). Pada penelitian sebelumnya dilakukan oleh Haffiz Wahyu yang berjudul Perancangan Sistem Perangkat Lunak untuk Motif Batik menggunakan Metode Klasifikasi K- Nearest Neighbour (K-NN) [12]. Perbedaan dengan penelitian sebelumnya adalah ekstrasi ciri dan jenis batik yang digunakan. Dengan demikian penulis akan membuat penelitian yang berjudul Implementasi Algoritma K-Nearest Neighbor untuk Mengklasifikasikan Batik Besurek Bengkulu. 1.2 Rumusan Masalah Masalah yang akan dibahas dalam penelitian ini adalah : Bagaimana mengimplementasikan metode K-Nearest Neighbor dalam bentuk aplikasi untuk mengklasifikasikan motif batik besurek Bengkulu. 1.3 Batasan Masalah Batasan masalah dalam penelitian ini adalah : 1. Ukuran citra 100x100 piksel berformat.jpg sebanyak 22 buah. 2. Motif batik besurek yang digunakan sebanyak 4 motif dasar yaitu Relung Paku, Bunga Rafflesia, Burung Kuau, dan Rembulan. 3. Nilai K yang digunakan adalah bilangan ganjil dari 1 sampai 7. 4. Ekstraksi ciri yang digunakan adalah nilai rata-rata threshold untuk setiap citra dan deteksi tepi Robert. 5. Pembangunan aplikasi menggunakan software MATLAB R2009a.
3 6. Spesifikasi perangkat keras sistem yang digunakan yaitu Processor Intel Core i5, RAM 2GB, dan harddisk 320GB. 1.4 Tujuan Penelitian Mengimplementasikan algoritma K-Nearest Neighbor untuk mengklasifikasikan motif batik besurek Bengkulu. 1.5 Manfaat Penelitian Manfaat penelitian yang dibuat antara lain : 1. Manfaat untuk bidang ilmu Penelitian diharapkan dapat menambah literatur mengenai bidang ilmu Data Mining terkhususnya metode K-Nearest Neighbor. 2. Manfaat untuk bidang budaya Menambah wawasan, pengetahuan dan kecintaan terhadap pelestarian batik yang beraneka ragam di Indonesia dan memperkenalkan batik Besurek Bengkulu. 1.6 Metodologi Penelitian Metodologi penelitian yang digunakan dalam penulisan tugas akhir ini adalah sebagai berikut : 1. Studi Literatur Pada tahap ini dilakukan studi kepustakaan berupa buku dan jurnal yang berkaitan dengan penelitian antara lain mengenai batik besurek, data mining, k-nearest neighbor, deteksi tepi Robert, pengolahan citra. 2. Pengumpulan Data Dalam tahap ini dilakukan pengumpulan data berupa citra digital yang akan digunakan dalam proses pembelajaran dari sistem yang dibuat. 3. Analisis dan Perancangan Pada tahap ini dilakukan analisis terhadap motif batik besurek, nilai K, pengaruh jarak terdekat Euclidean Distance pada proses klasifikasi
4 K-NN baik untuk data latih dan data uji serta perancangan dalam bentuk flowchart dan desain antarmuka dari sistem. 4. Implementasi dan Pengujian Pada tahap ini diimplementasikan metode K-Nearest Neighbor sesuai konsep yang telah dibuat pada tahap analisis dan perancangan untuk klasifikasi motif batik besurek Bengkulu baik pelatihan dan pengujian ke dalam sebuah sistem dengan menggunakan bahasa pemrograman MATLAB R2009a. 5. Dokumentasi Pada tahap ini dilakukan dokumentasi dalam bentuk laporan tugas akhir. 1.7 Sistematika Penulisan Sistematika penulisan dari skripsi ini terdiri dari beberapa bagian utama sebagai berikut: BAB 1: PENDAHULUAN Bab ini akan menjelaskan mengenai latar belakang pemilihan judul skripsi Implementasi Algoritma K-Nearest Neighbor untuk Mengklasifikasikan Motif Batik Besurek Bengkulu, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metode penelitian, dan sistematika penulisan. BAB 2: TINJAUAN PUSTAKA Bab ini berisi dasar teori-teori yang digunakan dalam analisis, perancangan dan implementasi skripsi. BAB 3: ANALISIS DAN PERANCANGAN SISTEM Bab ini berisi analisis terhadap fokus permasalahan penelitian dan perancangan terhadap pelatihan dan pengujian metode K-Nearest Neighbor untuk mengklasifikasikan motif Batik Besurek Bengkulu
5 BAB 4: IMPLEMENTASI DAN PENGUJIAN SISTEM Bab ini berisi teknik implementasi dari perancangan yang telah dibuat dan pengujian terhadap implementasi. Pengujian dilakukan untuk membuktikan perangkat lunak dapat berjalan sesuai dengan spesifikasi yang telah ditentukan di tahapan analisis. BAB 5: KESIMPULAN DAN SARAN Bab ini memuat kesimpulan isi dari keseluruhan uraian bab-bab sebelumnya dan saran-saran dari hasil yang diperoleh, yang diharapkan dapat bermanfaat untuk pengembangan selanjutnya.