Klasifikasi Citra Batik Sumatera Menggunakan Naïve Bayes Berbasis Fitur Ekstraksi GLCM

Abstract

Salah satu budaya Indonesia yang masih tetap bertahan hingga sekarang adalah batik. Hingga saat ini, ragam motif batik terus berkembang di nusantara seperti batik kawung, batik parang, batik sidomukti, dll. Banyaknya pola batik di Indonesia membuat identifikasi menjadi sulit dan membutuhkan suatu sistem yang dapat mengklasifikasikan motif batik. Pada penelitian ini akan menggunakan sistem dengan mengusulkan metode ekstraksi fitur tekstur menggunakan metode Gray Level Co-Occurrence Matix (GLCM) serta klasifikasi jenis motif batik dengan Naïve Bayes. Terdapat 15 motif Batik Sumatera yang digunakan dalam penelitian ini, di mana jenis batik ini meliputi daerah asal yaitu Aceh, Sumatra Utara, Sumatra Barat, Riau, Jambi, Bengkulu, Sumatera Selatan, Kepulauan Bangka Belitung dengan 100 dataset untuk setiap motifnya. Penelitian ini menggunakan 1500 dataset citra batik, dengan split data 70:30 sehingga 1050 citra digunakan sebagai Data Training dan 450 citra digunakan sebagai data testing. Parameter GLCM yang dipakai yaitu contrast, correlation, energy, entropi, dan homogeniti. Dari hasil percobaan diketahui bahwa Naïve Bayes menghasilkan akurasi hingga 96,66%.