Feature extraction methods for batik pattern recognition: A review

Kasim, Anita Ahmad; Wardoyo, Retantyo; Harjoko, Agus

doi:10.1063/1.4958503

Cited by 5 publications

(5 citation statements)

References 14 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dari hasil penelitian tersebut diperoleh bahwa fitur momen invariant memiliki hasil akurasi yang lebih baik dibandingkan dengan fitur eccentricity maupun compactness. Dalam penelitian lain, Kasim, dkk menggunakan jaringan syaraf tiruan dan Gray Level Co-occurrence Matrices (GLCM) untuk mengklasifikasikan citra batik [10]. Hasil akhir yang diperoleh dari klasifikasi citra batik tersebut yaitu, shape feature memiliki tingkat akurasi terendah 80,95 %, dan kombinasi texture and shape features menghasilkan nilai akurasi yang lebih besar sebesar 90,48%.…”

Section: Gambar 1 Corak Batik Geometris Dan Non-geometrisunclassified

Convolutional Neural Network untuk Metode Klasifikasi Multi-Label pada Motif Batik

Bariyah

Rasyidi

Ngatini

2021

View full text Add to dashboard Cite

Salah satu warisan budaya Indonesia yang diakui dunia adalah kain batik. Beragamnya motif batik di Indonesia membuat masyarakat awam sulit membedakan motif-motif yang ada. Penelitian ini menggunakan convolutional neural network (CNN) dalam melakukan klasifikasi multi-label citra motif batik. CNN merupakan salah satu algoritma deep learning pengembangan multi-layer perceptron (MLP) yang telah banyak digunakan dalam klasifikasi data, khususnya klasifikasi citra. Hasil penelitian menunjukkan akurasi penggunaan arsitektur CNN dalam melakukan klasifikasi multi-label pada 15 motif batik mencapai 91.41% dengan penggunaan epoch 100.

show abstract

Section: Gambar 1 Corak Batik Geometris Dan Non-geometrisunclassified

Convolutional Neural Network untuk Metode Klasifikasi Multi-Label pada Motif Batik

Bariyah

Rasyidi

Ngatini

2021

View full text Add to dashboard Cite

show abstract

“…Batik dengan ornamen berukuran besar dan warna intensitas tinggi pada latar belakangnya akan menghasilkan tepi yang jernih dan ornamen yang mudah dikenali (Kasim et al, 2016). Pada batik Syekh Maulana Mangun Sejati menggunakan ornamen-ornamen yang berukuran besar dan warna intensitas tinggi berupa warna merah dan biru sehingga menghasilkan tepi yang jernih dan mudah dikenali.…”

Section: Hasil Dan Pembahasanunclassified

“…Ini dikarenakan pengaruh penggunaan canting yang berbeda.Aksen titik cecek enem seperti bunga kecil terdapat pada isen-isen motif kawung. Hal ini ditujukan agar ruang pada motif kawung tidak kosong dan memperindah motif.Batik dengan ornamen berukuran besar dan warna intensitas tinggi pada latar belakangnya akan menghasilkan tepi yang jernih dan ornamen yang mudah dikenali(Kasim et al, 2016). Pada batik Syekh Maulana Mangun Sejati menggunakan ornamen-ornamen yang berukuran besar dan warna intensitas tinggi berupa warna merah dan biru sehingga menghasilkan tepi yang jernih dan mudah dikenali.Warna dominan yang dipilih pada desain motif batik tulis ini adalah merah dan biru, merah menunjukkan berani, kekuatan, pengorbanan, cinta dan biru menunjukkan damai, lembut, terhormat dan ikhlas (David;Prawira, 1989).…”

unclassified

Legenda Tokoh Jepara sebagai Ide Dasar Penciptaan Motif Batik untuk Mengenal Sejarah dan Kearifan Lokal Jepara

Fadlilah

Na'am

2020

teknobuga

View full text Add to dashboard Cite

Tujuan dari penelitian ini adalah untuk membuat motif batik yang menggunakan sumber ide dari tokoh-tokoh legendaris Jepara yaitu Syekh Maulana Mangun Sejati dan Roro Ayu Mas Semangkin. Metode yang digunakan dalam pembuatan karya batik ini adalah metode penelitian R&D (Sugiyono, 2015: 407), yang menyatakan bahwa pada tahap penelitian ini terdiri dari potensi dan masalah, pengumpulan data, desain produk, validasi produk, revisi produk dan uji coba produk . Jenis penelitian ini menggunakan pengujian estetika. Visualisasi penciptaan motif batik legendaris Jepara diciptakan dari eksplorasi tokoh-tokoh di Kabupaten Jepara yang terdiri dari dua tokoh legenda Jepara yaitu Roro Ayu Mas Semangkin di Mayong Lor dan Sheikh Maulana Mangun Sejati di desa Bugel. Teknik visualisasi karya ini menggunakan batik tulis dengan tahapan yang terdiri dari molani, nyanting, nyoleti, nemboki, nglorod, dan ngerik. Hasil visualisasi dari karya yang dibuat oleh tiga karya batik dalam bentuk dua dalam bentuk panel berukuran 140 x 86 cm dan satu dalam bentuk kemeja ukuran xl. Yang terdiri dari 1) Legenda Syeh Maulana Mangun Sejati (Asal desa Bugel) 2) Legenda Roro Ayu Mas Semangkin (Perjuangan Perjuangan di Jepara) 3) Legenda Roro Ayu Mas Semangkin (Perjuang Perjuangan di Jepara). Karya ini dideskripsikan berdasarkan tes estetika menggunakan aspek estetika formal, aspek simbolik, aspek proses dan untuk kemeja dan aspek fungsional.

show abstract

“…There are three developments of methods of extraction feature i.e. the color feature extraction for the color feature, the texture feature extraction for the texture feature and the shape feature extraction methods for the shape feature [9]. This research limited only the texture feature for textile motif classification.…”

Section: Literature Reviewmentioning

confidence: 99%

Quadratic Support Vector Machine For The Bomba Traditional Textile Motif Classification

Nuraedah

Bakri

Kasim

2018

IJEECS

Self Cite

View full text Add to dashboard Cite

The Bomba textile is one of the textile fabrics in Indonesia used in a province called Sulawesi Tengah. Bomba Textile has a unique pattern and has a philosophical meaning in human life in Sulawesi Tengah. Bomba Textile has many motif patterns and varied colors. The problem in this research is the difficulty in classifying every The Bomba textile motif in each class. Data classification is needed to recognize the motif of each Bomba textile pattern and to cluster it into the appropriate class. The features used to classify the Bomba textile motif is the textural feature. Texture features obtained from Gray-Level Co-occurrence matrices (GLCM) method consisting of energy, contrast, homogeneity and correlation with four angles 0°, 45°, 90°, and 135°. This research will implement Quadratic Vector Machine (QSVM) method with texture feature on Bomba textile pattern. The use of a single texture feature with angles 90° has an accuracy of 90.3%. The incorporation of texture features by involving all features at all angles can improve the accuracy of the classification model. This research produces a model of motif classification on the Bomba textile which has the classification accuracy of 94.6% and error rate of 5.4%.

show abstract

Feature extraction methods for batik pattern recognition: A review

Cited by 5 publications

References 14 publications

Convolutional Neural Network untuk Metode Klasifikasi Multi-Label pada Motif Batik

Convolutional Neural Network untuk Metode Klasifikasi Multi-Label pada Motif Batik

Legenda Tokoh Jepara sebagai Ide Dasar Penciptaan Motif Batik untuk Mengenal Sejarah dan Kearifan Lokal Jepara

Quadratic Support Vector Machine For The Bomba Traditional Textile Motif Classification

Contact Info

Product

Resources

About