Analisis dan Implementasi Klasifikasi Citra Batik Menggunakan Independent Component Analysis dan Jaringan Syaraf Tiruan Backpropagation

Indra Kurniawan

Informasi Umum

Kode

113098017

Klasifikasi

001.4 - Knowledge- research; statistical methods, evaluation research

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Analysis

Dilihat

284 kali

Informasi Lainnya

Abstraksi

Batik adalah suatu bagian dari budaya indonesia yang menjadi ciri khas dari bangsa Indonesia. Motif dan modelnya menjadi daya tarik tersendiri. Banyak sekali dijumpai motif dan corak yang hadir dalam dunia batik. Apabila dalam corak-corak tersebut terdapat corak yang memiliki bentuk yang hampir sama batik tersebut diklasifikasikan ke dalam suatu jenis batik tertentu. Klasifikasi bisa dilakukan dengan berdasarkan daerah ataupun langsung berdasarkan jenis motif batik. Dalam tugas akhir ini dibangun suatu sistem pengklasifikasian citra batik pada motif batik dari golongan geometris batik klasik. Salah satu teknik yang bisa digunakan dalam pengklasifikasian adalah dengan metode Jaringan Syaraf Tiruan (JST) Backpropagation. Dalam metode ini dilakukan proses pembelajaran yaitu mengubah bobot jaringan berdasarkan tingkat error yang dihasilkan dari selisih antara nilai target dan output. Tingkat error ini akan dipropagasikan balik kedalam jaringan untuk memperbaiki bobot yang ada. Proses pengubahan bobot akan dilakukan terus-menerus sampai diperoleh tingkat error yang kecil atau sampai epoch yang telah ditentukan sebelumnya. Data masukan untuk Backpropagation ini adalah hasil ekstraksi fitur dari citra batik. Fitur yang penting pada persoalan pengklasifikasian citra batik adalah fitur bentuk. Metode yang bisa digunakan untuk ekstraksi fitur bentuk ini adalah metode Independent Component Analysis (ICA). Karakteristik dari ICA adalah suatu teknik perhitungan statistik untuk menemukan faktor-faktor tersembunyi yang mendasari sekumpulan random variable atau sinyal-sinyal. Salah satu aplikasi metode ICA yaitu digunakan untuk memisahkan sinyal-sinyal tercampur yang berasal dari sumber yang saling bebas statistik[9]. Dengan pemisahan sinyal ini bisa didapatkan ciri motif yang terdapat pada suatu citra. Dalam Tugas akhir ini dibangun 2 model pengklasifikasian untuk mendapatkan hasil akurasi sistem yang maksimal. Model pertama adalah model tanpa preprocessing cropping pada citra asal, dan model kedua adalah model dengan proses cropping pada citra asal. Dengan model pertama didapatkan hasil akurasi tertinggi mencapai 60%, sedangkan dengan model kedua didapatkan hasil mencapai 87,5%. Klasifikasi, Ekstraksi fitur, Batik, Backpropagation, Independent Component Analysis.