Perbandingan Kombinasi Beberapa Nilai Momentdari Gradient Magnitude dan Sudut Orientasi Untuk Klasifikasi Motif Batik Menggunakan Metode K-Nearest Neighbor (K-NN)

Abstract

Setiap motif batik memiliki pola-pola tertentu yang menjadi ciri khas tersendiri dari motif batik tersebut. Pola-pola tersebut dapat digunakan dalam proses klasifikasi motif batik. Pada skripsi ini digunakan Scale Invariant Feature Transform (SIFT) untukpengenalan pola batik. Keluaran dari proses Scale Invariant Feature Transform (SIFT) adalah SIFT keys. SIFT keys terdiri dari lokasi spasial, nilai orientasi, dan nilai descriptor. Nilai moment dari nilai orientasi yang diambil dari SIFT keys digunakan dalam pembentukan vektor fitur moment. Ukuran dimensi dari vektor fitur moment yang dibuat bervariasi mulai dari 1 hingga 10. Klasifikasi dilakukan terhadap vektorfitur moment yang telah dihasilkan. Metode klasifikasi yang digunakan adalah kNearest Neighbor. Dari percobaan yang dilakukan terhadap 7 motif batik yang berbeda didapat nilai akurasi tertinggi pada proses klasifikasi untuk ketujuh motif batik sebesar 37,14% yang dihasilkan oleh vektor fitur moment dimensi 4 dan 5 dengan kombinasi [𝜃 𝜃×𝑚𝛼3𝜃×𝑚𝛼4𝜃]T, [𝜃×𝑚𝜎𝜃𝛼3𝜃×𝑚𝛼4𝜃]T, [𝜃 𝜃×𝑚𝜎𝜃𝛼3𝜃𝛼3𝜃×𝑚]T, [𝜃 𝜃×𝑚𝛼3𝜃𝛼3𝜃×𝑚𝛼4𝜃]T, dan [𝜃×𝑚𝜎𝜃𝛼3𝜃𝛼3𝜃×𝑚𝛼4𝜃]T sedangkan nilai akurasi terendah sebesar 11,43% yang dihasilkan oleh vektor fitur moment dimensi 10.

The patterns of batik distinguish one batik motifs with the other batik motifs so that they can be used in batik motif classification process. Method used in batik pattern recognition is Scale Invariant Feature Transform (SIFT). The result from Scale Invariant Feature Transform (SIFT) is SIFT keys. SIFT keys consists of spatial location, orientation, and descriptor. Statistical moment values of orientation which is taken from SIFT keys are used in establishment of moment feature. The dimensions of moment feature vektor are varied from 1 to 10. Classification process is performed on moment feature. Method used in classification is k-Nearest Neighbor. From the experiment conducted on 7 different batik motif, obtained the highest accuracy rate of 37.14%, resulting from 4 and 5-dimensional moment feature, which the combinations are [𝜃 𝜃×𝑚𝛼3𝜃×𝑚𝛼4𝜃]T, [𝜃×𝑚𝜎𝜃𝛼3𝜃×𝑚𝛼4𝜃]T, [𝜃 𝜃×𝑚𝜎𝜃𝛼3𝜃𝛼3𝜃×𝑚]T, [𝜃 𝜃×𝑚𝛼3𝜃𝛼3𝜃×𝑚𝛼4𝜃]T, and [𝜃×𝑚𝜎𝜃𝛼3𝜃𝛼3𝜃×𝑚𝛼4𝜃]T whereas the lowest accuracy rate of 11.43% resulting from 10-dimensional moment feature vector