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

Agung Nilogiri

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.

Full Text:

PDF (Indonesian)

References


Akbariah, N., Kusnendar, J., Wahtudin, A. 2010. Klasifikasi Karakter Pengguna Batikuntuk Rekomendasi Motif Menggunakan Algoritma Naïve Bayes. Universitas Pendidikan Indonesia.

Arisandi, B., Suciati, N., Wijaya, A.Y. 2011. Pengenalan Motif Batik Dengan Rotated Wavelet Filter dan Neural Network. Institut Teknologi Sepuluh Nopember, Surabaya.

Chen, Y.W., Sobue, S., Huang, X. 2008. Mapping function of color image features and human KANSEI. IEEE International Conference on Intelligent Information Hiding and Multimedia Signal Processing, pp. 725. Cheung, V., Cannons, K., (2002), An Introduction to Probabilistic Neural Network, Signal and Data Laboratory, Electrical & Computer Engineering, University of Manitoba, Canada.

Ciarelli, P. M., Oliveira, E., Badue, C., Souza, A. F. D. 2009. Multi Label Text Categorization Using a Probabilistic Neural Network. International Journal of Computer Information System and Industrial Management Applications (IJCISIM)vol 1 (2009), pp. 133-144.

Hamidin, A.S. 2010. Batik, Warisan Budaya Asli Indonesia. Yokyakarta: Penerbit NARASI.

Huang, X., Sobue, S., Chen, Y. W. 2003. Retrieval of Clothing Fabric Images Based on KANSEI Words. Information, Volume 6, pp. 215-230.

Kurniawan, I. 2011. Analisis dan Implementasi Klasifikasi Citra Batik Menggunakan Independent Component Analysis dan Jaringan Syaraf Tiruan Backpropagation. Institut Teknologi Telkom.

Nilogiri, A., Suciati, N., Purwitasari, D. 2012. Klasifikasi Impresi Multi Label dengan Probabilistic Neural Network pada Citra Batik Menggunakan Kombinasi Fitur Warna, Tekstur, dan Bentuk. Institut Teknologi Sepuluh Nopember, Surabaya.

Prasetyo, E. 2012. Data Mining: Konsep dan Aplikasi Menggunakan Matlab. Yogyakarta: Penerbit Andi.

Putra, R. E. 2011. Implementing Content Base Image Retrieval For Batik Using Rotated Wavelet Transform and Canberra Distance. Institut Teknologi Sepuluh Nopember, Surabaya.

Sanabila, H. R., Manurung R. 2009. Recognition of Batik Motifs using the Generalized Hough Transform. Proceeding of ICACSIS, p 79

Specht D. .F. 1990. Probabilistic Neural Network. Neural Network, Vol. 3, pp. 109-118.




DOI: http://dx.doi.org/10.32528/justindo.v1i01.251

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

View My Stats

 

 INDEXING SERVICE