Pengaruh Fitur Warna pada Klasifikasi Impresi Citra Batik Indonesia Menggunakan Probabilistic Neural Network

Abstract

Penelitian tentang batik Indonesia dan impresi, masing-masing secara terpisah telah dilakukan. Penelitian tentang klasifikasi citra batik juga telah banyak dilakukan. Impresi yang merupakan perasaan psikologis seseorang terhadap suatu produk dapat menjadi label kelas dalam pengelompokan citra batik. Penelitian ini memiliki tujuan mengetahui seberapa besar pengaruh fitur warna yang diekstraksi dari sebuah citra batik dan sistem klasifikasinya berdasarkan impresi. Praproses klasifikasi dengan melakukan ekstraksi fitur tekstur, dan bentuk dari citra batik yang selanjutnya digunakan sebagai input sistem klasifikasi. Untuk memperoleh fitur tekstur digunakan metode transformasi fourier hingga didapat nilai amplitudo dan sudutnya dalam domain frekuensi. Selanjutnya menggunakan filter Gabor untuk mendapatkan fitur bentuk. Selanjutnya fitur tersebut akan disederhanakan dimensinya menggunakan Singular Value Decomposition (SVD). Pada proses klasifikasi citra, digunakan metode Probabilistic Neural Network (PNN) dengan input berupa fitur yang telah disederhanakan dimensinya dan output yang dihubungkan ke kelas impresi. Dari serangkaian pengujian, dihasilkan klasifikasi terhadap citra batik testing yang hasilnya hampir sama dengan penelitian sebelumnya, bahkan dapat dikatakan stabil pada proses uji tanimoto distance-nya. Pada proses reduksi dengan jumlah informasi fitur yang ditentukan sebesar 90% dari nilai awal, diperoleh total vektor fitur sebesar 11 dimensi, lebih kecil dari penelitian sebelumnya sebesar 14 dimensi (yang termasuk didalamnya terdapat fitur warna) dengan hasil nilai akurasi Tanimoto distance sebesar 0,27. Hal berbeda 0,01 dari penelitian sebelumnya sebesar 0,26 untuk 81 citra training dan testing. Dengan demikian dapat disimpulkan bahwa vektor fitur warna yang diusulkan pada penelitian sebelumnya tidak mempunyai pengaruh yang signifikan pada proses klasifikasi.