Article Sidebar
Download
Main Article Content
Abstract
Pelestarian Batik dapat dilakukan dengan
berbagai cara, salah satunya dengan cara melestarikan
pola-pola batik yang sangat beragam di Indonesia. Batik
merupakan warisan budaya Indonesia yang telah diakui
UNESCO sebagai warisan budaya internasional pada
tanggal 2 Oktober 2009. Untuk melestarikan batik sebagai
salah satu warisan budaya dunia dapat dilakukan melalui
pengenalan pola batik di Indonesia. Salah satu
permasalahan dalam bidang pengenalan pola adalah
klasifikasi citra ke dalam kelas tertentu. Batik dapat
diklasifikasikan berdasarkan bentuk motifnya yaitu motif
geometri, motif non geometri dan motif khusus. Motif Citra
batik yang sangat beragam menyulitkan dalam pengenalan
setiap pola citra batik. Tujuan klasifikasi batik adalah
membagi citra batik ke dalam kelas-kelas motif sesuai
dengan pola motifnya sehingga mudah untuk dikenali
sesuai dengan cirinya. Dengan menggunakan algoritma
backpropagatian pada jaringan syaraf tiruan diperoleh hasil
untuk kemampuan jaringan syaraf mengklasifikasi citra
batik dalam 2 buah kelas non geometri dan geometri sebesar
95.7% pada data latih. Dari 37 (91.9%) ciri citra batik non
geometri terdapat 3 (8.1%) ciri yang tidak dapat diklasifikasi
kedalam kelasnya. Sedangkan untuk ciri citra geometri
semua ciri citra dapat diklasifikasi dengan benar (100%).
Untuk proses pengujian terdapat 2 (18.2%) ciri yang tidak
bisa diklasifikasi dan pada proses uji validitas semua ciri
dapat diklasifikasikan dengan baik.
berbagai cara, salah satunya dengan cara melestarikan
pola-pola batik yang sangat beragam di Indonesia. Batik
merupakan warisan budaya Indonesia yang telah diakui
UNESCO sebagai warisan budaya internasional pada
tanggal 2 Oktober 2009. Untuk melestarikan batik sebagai
salah satu warisan budaya dunia dapat dilakukan melalui
pengenalan pola batik di Indonesia. Salah satu
permasalahan dalam bidang pengenalan pola adalah
klasifikasi citra ke dalam kelas tertentu. Batik dapat
diklasifikasikan berdasarkan bentuk motifnya yaitu motif
geometri, motif non geometri dan motif khusus. Motif Citra
batik yang sangat beragam menyulitkan dalam pengenalan
setiap pola citra batik. Tujuan klasifikasi batik adalah
membagi citra batik ke dalam kelas-kelas motif sesuai
dengan pola motifnya sehingga mudah untuk dikenali
sesuai dengan cirinya. Dengan menggunakan algoritma
backpropagatian pada jaringan syaraf tiruan diperoleh hasil
untuk kemampuan jaringan syaraf mengklasifikasi citra
batik dalam 2 buah kelas non geometri dan geometri sebesar
95.7% pada data latih. Dari 37 (91.9%) ciri citra batik non
geometri terdapat 3 (8.1%) ciri yang tidak dapat diklasifikasi
kedalam kelasnya. Sedangkan untuk ciri citra geometri
semua ciri citra dapat diklasifikasi dengan benar (100%).
Untuk proses pengujian terdapat 2 (18.2%) ciri yang tidak
bisa diklasifikasi dan pada proses uji validitas semua ciri
dapat diklasifikasikan dengan baik.