Klasifikasi Motif Batik Banyuwangi Menggunakan Metode K-Nearest Neighbor (K-NN) Berbasis Android

Tintin Harlina
Estu Handayani


DOI: https://doi.org/10.29100/jipi.v7i1.2411

Abstract


Seperti kota lain yang berada di pulau Jawa, Banyuwangi memiliki batik khas sendiri. Motif batik Banyuwangi juga memiliki keunikan sendiri, apalagi motif yang dimiliki sangat beragam. Sejarah dan filosofi dari motif batiknya sangat menarik terutama motif gajah oling merupakan batik tertua dan paling dikenal di wilayah Banyuwangi. Dimana generasi orang muda saat ini sudah tidak bisa mengenali motif batik dari daerah asalnya, dan tidak bisa mengklasifikasikan batik menurut filosofi, jenis, motif dan warna. Kondisi ini dapat mengakibatkan masyarakat luas tidak mengerti sejarah dari kerajinan batik Banyuwangi. Selain itu juga masyarakat tidak tahu arti dari filosofi dari batik yang sering digunakan. Dalam penelitian ini dibuat mengenai klasifikasi motif kain batik khas Banyuwangi serta membuat aplikasi untuk mengidentifikasi tekstur dari beberapa jenis motif batik khas Banyuwangi agar orang awam dan generasi penerus mudah mengenali beberapa jenis motif batik. Berdasarkan referensi yang ada ketika mengidentifikasi tekstur motif batik Banyuwangi menggunakan parameter hasil dari ekstraksi warna RGB dari motif batik Banyuwangi. Dimana pengujian tersebut menggunakan fitur minimal dan maximal dari red, green dan blue. Algoritma yang digunakan adalah K-Nearest Neighbor (K-NN) untuk proses klasifikasi suatu citra motif batik. Aplikasi tersebut diimplementasikan melalui aplikasi sistem berbasis android agar lebih mudah digunakan dan lebih aplikatif. Aplikasi ini sudah mampu mengidentifikasi motif batik khas Banyuwangi dengan akurasi terbaik yaitu sebesar 100%.


Keywords


Android, Klasifikasi, K-NN, Motif Batik Banyuwangi

Full Text:

PDF

Article Metrics :

References


Antara, Batik mengandung nilai budaya yang tidak dimiliki bangsa lain, 2020. https://www.antaranews.com/berita/1760813/batik-mengandung-nilai-budaya-yang-tidak-dimiliki-bangsa-lain.

R. Rahmawati, Pengembangan SDM Melalui Program Capacity Building Remaja Di Sanggar Kalpika: Merawat Tradisi Melestarikan Batik Lukis, J. Pemberdaya. Masy. Media Pemikir. dan Dakwah Pembang., vol. 2, no. 2, pp. 339356, 2019, doi: 10.14421/jpm.2018.022-07.

M. C. Andika, R. Sutjiadi, and E. M. Trianto, Perancangan dan Pembuatan Aplikasi Pengenalan Batik Indonesiaku Melalui Permainan Berbasis Android, Teknika, vol. 5, no. 1, pp. 3237, 2017, doi: 10.34148/teknika.v5i1.49.

Octavia and A. Irma, Pengembangan Motif Batik Banyuwangi Dengan Geometri Fraktal, 2016.

A. S. Amal et al., Motif dan Corak Batik Jawa Timur, 2014.

E. Prasetyo, Data Mining, Mengolah Data Menjadi Informasi Menggunakan Matlab, I. Yogyakarta: CV.Andi Offset, Yogyakarta, 2014,

M. Lestari, Penerapan Algoritma Klasifikasi Nearest Neighbor (K-NN) untuk Mendeteksi Penyakit Jantung, Fakt. Exacta, vol. 7, no. September 2010, pp. 366371, 2014.

F. Liantoni, Klasifikasi Daun Dengan Perbaikan Fitur Citra Menggunakan Metode K-Nearest Neighbor, J. Ultim., vol. 7, no. 2, pp. 98104, 2016, doi: 10.31937/ti.v7i2.356.

R. Kusumanto and A. N. Tompunu, Pengolahan Citra Digital Untuk Mendeteksi Obyek Menggunakan Pengolahan Warna Model Normalisasi RGB, 2011, pp. 17.

A. Datumaya et al., Klasifikasi Mutu Telur Burung Puyuh Berdasarkan Warna Dan Tekstur Menggunakan Metode K- Nearest Neighbor ( KNN ) Dan Fusi Classification Of The Quality Quail Eggs Based On Color And Texture Using K-Nearest Neighbor ( KNN ) Method And Information, vol. 8, no. 5, 2021, doi: 10.25126/jtiik.202184393.

I. H. Herman et al., Mengidentifikasi Citra Batik Pewarna Alami Dan , pp. 504515, 2020.

C. N. Prabiantissa, A. R. Tri, and R. A. Asmara, Sistem Identifikasi Batik Alami Dan Batik Sintetis Berdasarkan Karakteristik Warna Citra Dengan Metode K-Means Clustering, J. Inform. Polinema, vol. 3, no. 2, p. 26, 2017, doi: 10.33795/jip.v3i2.10.

M. F. Barkah, Klasifikasi Rasa Buah Jeruk Pontianak Berdasarkan Warna Kulit Buah Jeruk Menggunakan Metode K-Nearest Neighbor, Coding Rekayasa Sist. Komput., vol. 08, no. 01, pp. 5566, 2020.

F. T. Admojo and Ahsanawati, Klasifikasi Aroma Alkohol Menggunakan Metode KNN, Indones. J. Data Sci., vol. 1, no. 2, pp. 3438, 2020, doi: 10.33096/ijodas.v1i2.12.

S. Hartiningtyas, I. Ruslianto, and R. Hidayati, Klasifikasi Jenis Mangga Berdasarkan Fitur Bentuk Dan Warna Daun Dengan Menggunakan Metode K-Nearest Neighbor Berbasis Android, J. Coding, Sist. Komput. Untan, vol. 6, no. 1, pp. 1223, 2018.