Metode Ekstraksi Fitur Canny, GLCM dan Segmentasi Warna Menggunakan K-Means Clustering Dalam Peningkatan Motif Batik

Abstract

Batik merupakan salah satu hasil seni budaya Indonesia berupa kain cetak yang dibuat dengan teknik tertentu. Motif motif bunga melambangkan keindahan dan kebahagiaan. Peneliti mengusulkan metode ekstraksi fitur Canny, GLCM dan segmentasi warna menggunakan k-means clustering dalam peningkatan motif batik. Dengan mengekstraksi fitur dari citra batik yang sudah ada, dapat dihasilkan citra batik dengan motif warna yang lebih banyak. Terlihat dari motif batik yang memiliki tekstur, tekstur dapat dijadikan sebagai salah satu unsur pembeda batik satu dengan yang lain. Penelitian ini juga mengimplementasikan metode Canny, GLCM dan LBP untuk ekstraksi fitur tekstur, HSV colour moment untuk ekstraksi fitur warna, sedangkan metode k-means clustering untuk mengklasifikasikan citra batik dan mengidentifikasi citra batik pewarna alam dan citra batik pewarna sintetis berdasarkan warna. Tujuan dari penelitian ini adalah untuk menggabungkan pola pada data yang sudah ada dengan pola baru. K-means clustering untuk mengelompokkan piksel citra batik digital berdasarkan warna. Hasil penelitian ini menunjukkan bahwa k-means clustering dapat meningkatkan desain batik baru dengan pola dan warna yang berbeda.