Peningkatan Fitur Ekstraksi Berbasis Discrete Wavelet Transform dan Principal Component Analysis Pada Pengenalan Citra Batik

Edi Sugiarto, Fikri Budiman, Muslih Muslih, Zaenal Arifin, Amiq Fahmi, Novi Hendriyanto

Abstract


Pengenalan pola batik menjadi penting karena batik sebagai warisan budaya bangsa perlu dilestarikan kepada generasi ke generasi. Salah satu upaya untuk memperkenalkan pola batik ini yaitu dengan memperkenalkan keragaman motif atau polanya. Penelitian ini bertujuan untuk mengoptimalisasi metode fitur ekstraksi dengan menggunakan metode Discrete Wavelet Transform (DWT) dan Principal Component Analysis (PCA) untuk mereduksi hasil fitur ekstraksi yang diperoleh dari DWT berdasarkan fitur-fitur yang memiliki korelasi yang baik. Tahapan dilakukan dengan menggunakan 310 data berupa citra batik yang terdiri dari 7 motif dengan komposisi 240 untuk data training dan 70 untuk data testing. Pada tahap fitur ekstraksi dengan menambahkan metode PCA pada DWT mampu mereduksi fitur dari 20 menjadi 5 fitur. Selanjutnya fitur tersebut diuji dengan melakukan klasifikasi menggunakan metode KNN dan SVM. Hasil dari klasifikasi dapat dibuktikan bahwa dengan menggunakan metode PCA dan DWT pada tahap fitur ekstraksi mampu meningkatkan klasifikasi hingga 5%.


Keywords


Batik; Discrete Wavelet Transform; Principal Component Analysis

References


. Iskandar, 2016, Batik sebagai Identitas Kultural Bangsa Indonesia di Era Globalisasi, Jurnal GEMA, No. 52/Agustus 2016, ISSN:0215-3092.

. Ida Nuraidam, 2015, Automatic Indonesian Batik Pattern Recognition Using SIFT Approach, Procedia Computer Science 59 (2015) 567-576.

. Ignatia Dhian E.K.R, 2016, Klasifikasi Batik Menggunakan KNN Berbasis Wavelet, Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016), ISSN : 2089-9815, Yogyakarta.

. Nanik Suciati (2013), Ekstraksi Fitur Berbasis Wavelet Pada Sistem Temu Kembali Citra Tekstur , jurnal SCAN VOL. VII NOMOR 2 ISSN: 1978-0087.

. Fikri Budiman, 2016, Wavelet Decomposition Level Analysis for Indonesia Traditional Batik Classification, Journal of Theoretical and Applied Information Technology, Vol. 92 No. 2, ISSN: 1992-8645.

. Fikri Budiman, 2021, Non-linear Multiclass SVM Classification Optimization using Large Datasets of Geometric Motif Image, (IJACSA) International Journal of Advanced Computer Science and Applications,Vol. 12, No. 9, 2021.

. S. Lhazmir, I. El Moudden and A. Kobbane, "Feature extraction based on principal component analysis for text categorization," 2017 International Conference on Performance Evaluation and Modeling in Wired and Wireless Networks (PEMWN), 2017, pp. 1-6, doi: 10.23919/PEMWN.2017.8308030.

. Arista Marlince Tamonob, 2015, Nonlinear Principal Component Analysis And Principal Component Analysis With Successive Interval In K-Means Cluster Analysis, Forum Statistika dan Komputasi : Indonesian Journal of Statistics ISSN : 0853-8115, Vol. 20 No.2, Oktober 2015, p: 68-77.

. Galih Hendro M (2012), "Penggunaan Metodologi Analisa Komponen Utama (PCA) untuk Mereduksi Faktor-Faktor yang Mempengaruhi Penyakit Jantung Koroner", SciETec 2012, 22 February 2012, UNIBRAW, Malang.

. Alicia (2020), Filosofi Motif Batik Sebagai Identitas Bangsa Indonesia , Jurnal FOLIO Volume 1 No. 1 Februari 2020.

. Ruswiansari, M., Novianti, A., & Wirawan, W. (2016). IMPLEMENTASI DISCRETE WAVELET TRANSFORM (DWT) DAN SINGULAR VALUE DECOMPOSITION (SVD) PADA IMAGE WATERMARKING. Jurnal Elektro Dan Telekomunikasi Terapan, 3(1). doi:10.25124/jett.v3i1.130

. Darma Putra (2010), Pengolahan Citra Digital , Penerbit Andi, Yogyakarta.




DOI: http://dx.doi.org/10.26623/transformatika.v20i2.5613

Refbacks

  • There are currently no refbacks.


| View My Stats |

Jurnal Transformatika : Journal Information Technology  by  Department of Information Technology, Faculty of Information Technology and Communication, Semarang University  is licensed under a  Creative Commons Attribution 4.0 International License.