Salah satu metode yang dapat dikembangkan adalah Data Mining. Data Mining yaitu pengekstrakan informasi baru yang yang diambil dari bongkahan data besar yang
membantu dalam pengambilan keputusan. Salah satu metode dalam Data Mining adalah K-Nearest Neighbor K-NN. K-Nearest Neighbor K-NN adalah algoritma
yang melakukan klasifikasi berdasarkan kedekatan lokasi jarak suatu data dengan data yang lain [8]. Tujuan dari algoritma ini adalah mengklasifikasi objek baru
berdasarkan atribut dan sampel latih. Pada penelitian ini membahas mengenai teknik mengklasifikasikan motif batik
Besurek Bengkulu dengan menggunakan metode deteksi tepi Robert dan metode klasifikasi yang digunakan adalah metode K-Nearest Neighbor K-NN. Pada
penelitian sebelumnya dilakukan oleh Haffiz Wahyu yang berjudul “Perancangan
Sistem Perangkat Lunak untuk Motif Batik menggunakan Metode Klasifikasi K- Nearest Neighbour K-
NN”[12]. Perbedaan dengan penelitian sebelumnya adalah ekstrasi ciri dan jenis batik yang digunakan.
Dengan demikian penulis akan membuat penelitian yang berjudul “Implementasi Algoritma K-Nearest Neighbor untuk Mengklasifikasikan Batik Besurek Bengkul
u”.
1.2 Rumusan Masalah
Masalah yang akan dibahas dalam penelitian ini adalah : Bagaimana mengimplementasikan metode K-Nearest Neighbor dalam bentuk aplikasi
untuk mengklasifikasikan motif batik besurek Bengkulu.
1.3 Batasan Masalah
Batasan masalah dalam penelitian ini adalah : 1. Ukuran citra 100x100 piksel berformat .jpg sebanyak 22 buah.
2. Motif batik besurek yang digunakan sebanyak 4 motif dasar yaitu Relung Paku, Bunga Rafflesia, Burung Kuau, dan Rembulan.
3. Nilai K yang digunakan adalah bilangan ganjil dari 1 sampai 7. 4. Ekstraksi ciri yang digunakan adalah nilai rata-rata threshold untuk setiap citra
dan deteksi tepi Robert. 5. Pembangunan aplikasi menggunakan software MATLAB R2009a.
Universitas Sumatera Utara
6. Spesifikasi perangkat keras sistem yang digunakan yaitu Processor Intel Core i5, RAM 2GB, dan harddisk 320GB.
1.4 Tujuan Penelitian
Mengimplementasikan algoritma K-Nearest Neighbor untuk mengklasifikasikan motif batik besurek Bengkulu.
1.5 Manfaat Penelitian
Manfaat penelitian yang dibuat antara lain : 1. Manfaat untuk bidang ilmu
Penelitian diharapkan dapat menambah literatur mengenai bidang ilmu Data Mining terkhususnya metode K-Nearest Neighbor.
2. Manfaat untuk bidang budaya Menambah wawasan, pengetahuan dan kecintaan terhadap pelestarian batik yang
beraneka ragam di Indonesia dan memperkenalkan batik Besurek Bengkulu.
1.6 Metodologi Penelitian
Metodologi penelitian yang digunakan dalam penulisan tugas akhir ini adalah sebagai berikut :
1. Studi Literatur Pada tahap ini dilakukan studi kepustakaan berupa buku dan jurnal yang
berkaitan dengan penelitian antara lain mengenai batik besurek, data mining, k-nearest neighbor, deteksi tepi Robert, pengolahan citra.
2. Pengumpulan Data Dalam tahap ini dilakukan pengumpulan data berupa citra digital yang akan
digunakan dalam proses pembelajaran dari sistem yang dibuat. 3. Analisis dan Perancangan
Pada tahap ini dilakukan analisis terhadap motif batik besurek, nilai K, pengaruh jarak terdekat Euclidean Distance pada proses klasifikasi
Universitas Sumatera Utara
K-NN baik untuk data latih dan data uji serta perancangan dalam bentuk flowchart dan desain antarmuka dari sistem.
4. Implementasi dan Pengujian Pada tahap ini diimplementasikan metode K-Nearest Neighbor sesuai konsep
yang telah dibuat pada tahap analisis dan perancangan untuk klasifikasi motif batik besurek Bengkulu baik pelatihan dan pengujian ke dalam sebuah sistem
dengan menggunakan bahasa pemrograman MATLAB R2009a. 5. Dokumentasi
Pada tahap ini dilakukan dokumentasi dalam bentuk laporan tugas akhir.
1.7 Sistematika Penulisan