ABSTRAKSI: Batik merupakan salah satu kriya tekstil Indonesia dan telah ditetapkan sebagai Warisan Kemanusiaan untuk Budaya Lisan dan Nonbendawi pada 2 Oktober 2009. Batik dikatakan sebagai warisan leluhur bangsa Indonesia karena batik turun menurun berkembang di Indonesia pada masa kerajaan Majapahit hingga era modern saat ini. Batik memiliki nilai historis dan merupakan suatu bentuk identitas kebudayaan masing-masing daerah. Sebagai salah satu wastra Indonesia, batik memiliki ciri khas tersendiri dan penuh makna dalam setiap motifnya. Guna turut serta dalam melestarikan warisan batik, dalam Tugas Akhir ini dilakukan pengenalan motif batik berdasarkan analisis strukturnya. Jenis motif batik yang akan dikenali yaitu : Mega Mendung, Kawung, Parang, dan Truntum.
Langkah awal yang dilakukan adalah akuisisi citra motif batik. Citra tersebut akan di preprocessing dengan mengubah citra RGB ke citra grayscale, red, green, dan blue. Pada citra hasil preprocessing kemudian akan diambil ciri dari motif batik tersebut dengan menggunakan statistik ciri orde satu dan ciri orde dua. Parameter - parameter pada orde satu dan orde dua dikumpulkan kemudian dimasukkan pada metode klasifikasi dengan menggunakan k – Nearest Neighbor sehingga sistem bisa mengklasifikasikan jenis dari motif batik tersebut.
Dari hasil pengujian dengan melalui tahap pre-processing, ekstraksi ciri menggunakan statistik orde satu dan dua, dan diklasifikasi dengan metode K-Nearest Neighbor, sistem ini dapat memperoleh tingkat akurasi maksimal sebesar 81%. Akurasi tersebut didapat dengan menggunakan statistik orde dua dan pada saat k=2.Kata Kunci : Batik, preprocessing, ciri orde satu, ciri orde dua, K-Nearest NeighborABSTRACT: Batik is one of Indonesian textile craft and has been designated a Cultural Heritage for Humanity Oral and Nonbendawi on October 2, 2009. Batik is said to be the nation’s heritage of Indonesia as developing hereditary batik in Indonesia as the time of the Majapahit empire to today’s modern era. Batik has historical value and is a form of cultural identity of each region. As one “wastra” Indonesia, batik has its own characteristics and full of meaning in each of its motives. In order to participate in preserving the heritage of batik, the Final Project is carried out based on the recognition motif structure analysis. This type of motif that will be recognized, namely : Mega Mendung, Kawung, Truntum, and Parang.
The initial steps are the motif image acquisition. The image will be in the preprocessing by converting RGB images to grayscale images, red, green, and blue. In the image preprocessing results will then be taken characteristic of batik motifs using first order characteristics and features of second order. Parameter-parameters to characterize first order and second order characteristics are collected and then entered on the classification method using k- Nearest Neighbor so the system can classify the types of batik motifs.
From the results of the testing with the stage of preprocessing, feature extraction using a statistical order one and two, and classified by k- Nearest Neighbor method, the system can obtain a maximum degree of accuracy by 81%. Accuracy is obtained by using second order statistics and at k=2.Keyword: Batik, preprocessing, first order feature, second order feature, k-Nearest Neighbour