Implementasi Metode Histogram of Oriented Gradient dan K-Nearest Neighbor Untuk Identifikasi Motif Batik

Abstract

Batik merupakan warisan budaya Indonesia yang telah diakui oleh UNESCO sebagai warisan budaya internasional. Setiap motif batik memiliki pola dan bentuk yang unik, disusun secara teratur maupun tidak teratur. Untuk melestarikan batik sebagai salah satu warisan budaya dunia dan memperkenalkan keberagaman motif batik, dapat dilakukan melalui pengklasifikasian motif batik. Penelitian ini membangun sebuah sistem untuk mengklasifikasikan citra motif batik dengan menggunakan algoritma pengolahan citra dari metode Histogram of Oriented Gradient yang berfokus pada struktur atau bentuk suatu objek pada citra dan klasifikasi data menggunakan metode K-Nearest Neighbor. Inputan awal sistem berupa citra motif batik, kemudian pada setiap data di lakukan ekstraksi fitur menggunakan HOG, selanjutnya data tersebut diklasifikasikan menggunakan KNN dengan menghitung jarak data latih dengan data uji dan mengurutkan data kelas terdekat dan frekuensi kemunculan terbanyak. Terdapat 6 motif batik yang digunakan pada penelitian ini yaitu Megamendung, Parang, Kawung, Sekar Jagad, Truntun, dan Cendrawasi. Data yang digunakan berjumlah 240 data dengan komposisi 70% data latih dan 30% data uji. Pengujian dilakukan menggunakan confusion matrix nilai akurasi tertinggi yaitu 70,83% dengan nilai K=3 dan waktu rata-rata yang digunakan  yaitu 32,26 detik.