PENGARUH THRESHOLDING OTSU PADA KLASIFIKASI MOTIF BATIK PESISIR MENGGUNAKAN K-NEAREST NEIGHBOUR

Abstract

Berdasarkan bidang seni rupa, batik termasuk dalam karya lukis dua dimensi yang menggunakan kain sebagai
media lukisnya. UNESCO telah mengakui batik sebagai karya seni asli warisan budaya masyarakat Indonesia
pada tahun 2009. Secara garis besar ragam hias batik dibedakan menjadi 2, yaitu ragam hias geometri dan
nongeometri. Batik sebagai warisan budaya Indonesia dapat dilestarikan tidak hanya dalam bentuk fisik
melainkan juga dalam bentuk digital. Citra batik dalam bentuk digital dapat diolah secara komputasi. Dengan
pengolahan citra digital motif batik yang sudah pernah ada tidak hilang dan selanjutnya dapat dipelajari dan
dikembangkan. Pada awal pengolahan citra batik ini dilakukan cropping secara manual pada citra batik pesisir
dengan merubah ukuran piksel menjadi 64 x 64 piksel. Dilanjutkan greyscaling pada citra hasil cropping,
kemudian disegmentasi dengan pendekatan thresholding otsu dengan tujuan menentukan nilai ambang batas
pada batas tepi citra. Untuk nilai piksel tinggi dianggap sebagai batas tepi yang kuat dan untuk nilai piksel
rendah dianggap sebagai batas tepi yang lemah. Berdasarkan analisis diskriminan, segmentasi thresholding otsu
dapat membedakan antara dua kelompok atau lebih yang muncul secara alami. Dengan demikian histogram
citra greyscale dibagi menjadi dua daerah yang berbeda secara otomatis tanpa inputan k ambang batas yang
berkisar antara 1 sampai 225. Untuk ekstraksi fitur menggunakan grey level cooccurance matrix, dengan
mengkonfersikan gray scale level pada citra greyscale ke bentuk grey pixel matrix. Jumlah piksel berdekatan
pada jarak dan arah yang sudah ditentukan akan membentuk fungsi matriks kookurensi. Selanjutnya
menentukan ciri citra berdasarkan kemiripan piksel dari jumlah dari kookurensi piksel dengan jarak d=1 dan
sudut ɵ (0°, 45°, 90° dan 135°). Ekstraksi fitur tersebut menghasilkan nilai contrast, corelation, energy dan
homogenity. Motif batik pesisir diklasifikasikan menjadi motif geometri dan non geometri. Hasil dari klasifikasi
menunjukkan bahwa dengan menambahkan thresholding otsu menghasilkan akurasi yang cukup baik, dengan
persentse tertinggi 85% pada k = 1.
Kata Kunci: tresholding otsu, glcm, batik pesisir