ABSTRAKSI: Batik merupakan karya tekstil yang menjadi kekayaan intelektual bangsa Indonesia dan telah diakui oleh UNESCO tanggal 2 Oktober 2009 sebagai warisan budaya dunia dari Indonesia. Namun, masih banyak masyarakat Indonesia yang tidak mengetahui nama dari motif batik yang sangat beranekaragam di Indonesia. Dalam Tugas Akhir ini akan dikelaskan menjadi lima buah motif batik yaitu: Kawung, Cupat Manggu, Mega Mandung, Parang, dan Truntum.
Memanfaatkan teknologi berbasis pengolahan citra digital dapat dirancang suatu sistem yang mampu melakukan klasifikasi nama motif batik yang beranekaragam tersebut seperti akuisisicitra, pre-processing, dan ekstraksi ciri dengan metode ekstraksi ciri statistik orde pertama dan orde kedua. Parameter ekstraksi ciri tersebut akan menjadi masukan untuk klasifikasi motif batik menggunakan metode Support Vector Machine (SVM). Implementasi sistem ini dilakukan dengan Matlab R2009a. Keluaran dari sistem ini berupa nama motif batik dan asal daerah batik tersebut.
Dari hasil pengujian sistem di dapat tingkat akurasi tertinggi sebesar 96%. Hasil pengujian itu dilakukan dengan menggunakan gabungan ekstraksi ciri orde pertama dan orde dua, dan klasifikasi menggunakan SVM OAA (One Against All) dengan kernel linear pada saat C=20.Kata Kunci : Pengolahan Citra Digital, Batik, Ekstraksi Ciri Statistik, Support Vector Machine.ABSTRACT: Batik is a textile works of intellectual property that became the Indonesian nation and has been recognized by UNESCO on October 2, 2009 as a world cultural heritage of Indonesia. However, a lot of people of Indonesia who do not know the name of batik in Indonesia. In this final project will be classified into five pieces of batik motif, namely: Kawung, Cupat Manggu, Mega Mendung, Parang and Truntum.
Utilize technology-based digital image processing can be designed a classification system capable of performing diverse motif names such as image acquisition, pre-processing and feature extraction with statistical feature extraction methods of first order and second order. The feature extraction parameters will be input for motif classification using Support Vector Machine (SVM). System implementation is done with Matlab R2009a. The output of this system in the form of name and batik region.
The results of testing system produce in highest level of accuracy in 96%. The test results were performed by using a combination of first-order feature extraction and the second order, and classification using SVM OAA (One Against All) with linear kernel when C = 20.Keyword: Digital Image Processing, Batik, Statistical Feature Extraction, Support Vector Machine.