Ekstraksi Ciri Warna dan Tekstur Untuk Temu Kembali Citra Batik.

Pro sid ing : SEMINA R NA SIO NA L 2012
ISBN : 97 8 - 9 79 - 19 888 - 1 - 0

”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”

Ekstraksi Ciri Warna dan Tekstur Untuk
Temu Kembali Citra Batik
Ade Winarni1, I. K.G Darma Putra2, Ni Md Ary Esta Dewi Wirastuti,3 

 
1

Program Studi Magister Teknik Elektro Bidang Keahlian Manajemen Informasi dan Komputer, Universitas
Udayana
2
Jurusan Teknologi Informasi, Fakultas Teknik, Universitas Udayana
3
Jurusan Teknologi Informasi, Fakultas Teknik, Universitas Udayana
1

d3.w1n4@gmail.com

duglaire@yahoo.com
3
arydev_02@yahoo.com
2

Abstrak
Mengidentifikasi sehelai batik dengan teknik visual membutuhkan skil penglihatan dan kemampuan untuk
menentukan sebuah pola batik yang berasal dari mana. Sejauh ini teknik visual hanya dapat dilakukan oleh
seorang yang mengerti batik. karena itulah dalam penelitian ini dibuat sistem temu kembali citra batik dengan
menggunakan ekstraksi ciri warna dan tekstur untuk mengetahui sebuah citra batik berasal dari mana. Metode
yang digunakan adalah color momet untuk ekstraksi ciri warna dan menggunakan metode co-occurrence matrix
untuk ekstraksi ciri tekstur sedangkan untukmenentukan kedekatan antara citra uji dengan citra yang berada
pada basisdata menggunakan euclidean distance. Tingkat kemiripan yang diperoleh dari penelitian ini yang
tertinggi sekitar 80% dengan menggunakan ekstraksi ciri warna dan 72% dengan menggunakan ekstraksi ciri
tekstur.
Kata kunci : sistem temu kembali, color momet, co-occurrence matrix.

1. Pendahuluan
Indonesia adalah negara kepulauan terbesar
dengan letak geografis antara samudra Hindia dan

samudra Pasifik yang terkenal akan seni budaya
yang tersebar diseluruh wilayah nusantara. Seni
budaya Indonesia berkembang hampir diseluruh
daerah dan memiliki kekhasan seni dan budaya
tersendiri. Hal ini disebabkan oleh situasi dan
kondisi lingkungan yang berbeda serta tradisi dan
potensi alamnya.
Batik merupakan warisan asli budaya
Indonesia yang tidak hanya indah secara visual,
lebih jauh batik memiliki nilai filosofi yang tinggi
dan sarat akan makna. Indonesia memiliki beragam
jenis motif batik yang mencerminkan asal usul
daerah dari kain batik tersebut. Hal ini terlihat pada
ragam hias maupun tata warnanya. Ragam hias dan
tata warna dari kain batik yang berbeda di Indonesia
merupakan salah satu aspek yang menarik untuk
diteliti. Sehingga fitur kain batik dipergunakan pada
penelitian ini.
Sistem temu kembali citra batik merupakan
sistem penemuan kembali informasi yang

terkandung di dalam citra seperti warna, bentuk dan
tekstur, dengan cara mengukur similarity
Jurusa n Te knik Ele ktro UNRA M – Ma ta ra m , 17 Juli 201 2

(kemiripan) antara citra uji yang dimasukan oleh
user dan citra yang tersimpan pada basis data
sebagai data latih. Ekstraksi ciri merupakan tahapan
yang penting pada pengenalan citra, pada tahapan ini
citra batik di proses untuk memperoleh vektor fitur
dari setiap citra baik. algoritma Gray Level Cooccurrence matrix untuk ekstraksi ciri tekstur, Color
moment untuk ekstraksi ciri warna.
Beberapa penelitian yang menggunakan Cooccurrence matrix dan Color moment pada sistem
temukembali citra umumnya digunakan untuk
merepresentasikan ciri citra sehingga dapat
meningkatkan
kinerja
sistem
temukembali.
Penelitian tersebut diantaranya adalah ContentBased Satellite Cloud Image Retrieval (Deepak
Upreti, 2011), pada penelitaian nya Deepak

menggunakan Co-occurrence matrix sebagai
ekstraksi ciri dan Euclidean distance sebagai
pengukuran kemiripan. Color Image Clustering
using Block Truncation Algorithm (Sanjay Silakari,
2009), Sanjay Silakari, mengunakan Color moment
dan K Means Clustering. sedangkan untuk
pengenalan citra batik, diantaranya adalah
Pengembangan Skalabilitas Algoritma C 4.5 Dengan
Pendekatan Oprator Relasi (Studi Kasus : Prapengolahan dan Klasifikasi Citra Batik) yang
293

Pro sid ing : SEMINA R NA SIO NA L 2012
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”

dilakukan oleh Veronica Sri Moertini, 2007.
Klasifikasi Motif Batik Menggunakan Metode
Transformasi
Paket
Wavelet
oleh

Dhani
Pratikaningtyas.
2.

3.

Ekstraksi Ciri

Ekstrasi ciri merupakan proses pengindeksan
suatu database citra dengan isinya. Komponen
vektor ciri dihitung dengan pemrosesan citra dan
teknik
analisis
serta
digunakan
untuk
membandingkan citra yang satu dengan citra yang
lainnya.
2.1 Ekstraksi Ciri Warna


4.

Hitung Standar deviasi, yaitu akar kuadrat
dari varians dari distribusi.
Standar devia

1

,

Moment 3-Skewness,
menggunakan formula,

hitung

dengan

,

5.


Color moment merupakan metode yang
digunakan untuk membedakan citra berdasarkan
fitur warnanya. metode ini mengasumsikan bahwa
distribusi warna pada sebuah citra dapat dinyatakan
sebagai distribusi probabilitas. Gambar 2 adalah
flow chart dari proses ekstraksi ciri warna dengan
menggunakan algoritma Color moment.

ISBN : 97 8- 9 79 - 19 888- 1 - 0

Didapatkan feature vektor

2.2 Ekstraksi Ciri Tekstur
GLCM adalah tabulasi dari seberapa sering
kombinasi yang berbeda dari nilai-nilai kecerahan
piksel (tingkat abu-abu) terjadi dalam sebuah citra
(Mryka, 2007). Tahapan pada proses ekstraksi ciri
citra dengan menggunakan Algoritma Gray Level
Co-Occurrence Matrix (GLCM) dapat dilihat pada

Gambar 3.

 
Gambar 2. Diagram alir ekstraksi ciri warna
Keterangan Gambar:
1.
2.

Langkah petama citra RGB konversikan
kedalam citra YIQ .
Langkah kedua setelah dikompersi kedalam
citra YIQ, hitung nilai Moment-1 Mean
dengan menggunakan formula,

Mean
294

1

Gambar 4.Diagram Alir Ekstraksi Ciri Tekstur

,
Jurusa n Te knik Ele ktro UNRA M - Ma ta ra m , 17 Juli 201 2

Pro sid ing : SEM
MINA R NA
A SIO NA L 20
012
ISBN : 97
78 - 97 9- 198 88 - 1 - 0

”Te knik Ele ktro Da
a n Info rm a tika Da la m Pe ng e m b a ng a n Te kno
o lo g i Be rke la nju
uta n”

Keteran
ngan Gambar:
1.
2.


3.
4.

5.
3.

Citra RGB konversikan kedalam ciitra
Grayscale.
Tentukan co-occurrence
c
matrix, yaaitu
,
menghitung dengan empaat arah ,
, dan
. Jadi untuk setiap citra akkan
didapatkan empat
e
co-occurrrence matrix.
Normalisasi dan transposee empat arah ccooccurrence matrix.
m

Energy, mo
oment, entroppy, probabiliity,
contrast, daan correlation dihitung unttuk
setiap Co-O
Occurrence matrix,
m
sehinggga
untuk setiapp fitur akan diperoleh emppat
nilai masingg-masing untuuk arah
,
,
, dan
.
Didapatkan feature
f
vektor.

Meetodelogi Penggembangan

S
Sistem
temu kembali citra
c
merupakkan
penemu
uan informasi yang
y
terkandunng di dalam ciitra
dengan mengukur keemiripan antarra citra masukkan
yang beerasal dari useer dengan citraa yang tersimppan
pada baasis data. Gam
mbar 9 menunnjukan gambarran
umum sistem
s
temu keembali citra battik.

3.1 Data Penelitiaan
Motif Batik di Indonessia sangat berragam
karena setiap daerah di Indoneesia memiliki motif
dan jenis batik yang berbedda. Data peneelitian
berju
umlah 125 yanng terdiri dari 9 kelas batik (nitik,
ceplo
ok, semen, saasirangan, bun
ngo jambi, besurek,
paraang, megamenddung).

 

 
Gambar 10. C
Contoh motif Batik
B
Indonesiaa

3.2 Desain Datab
base
gsi database pada
p
penelitiaan ini adalah untuk
Fung
mennyimpan data trraining Berikutt struktur tabell yang
dipergunakan
Tabeel 2. Desain daatabase sistem
Nam
ma
fielld
Id
nam
ma
pathh

Tipe
data
Int
Varchhar
Varchhar

Ukuran

VecctorC

Text

-

VecctorCM

Text

-

Desskripsi

Text

-

Kellas

Varchhar

50

11
255
255

Keterangan

Nama batik
Direktori
penyimpanan data
Vector fitur uuntuk
GLCM
Vector fitur uuntuk
Color momennt
Deskripsi
dari
setiap citra baatik
Nama kelas citra

Pengguna
3.3 Antar Muka P
Gambar 9. Gambaran
G
umum
m sistem
Masukaan yang beraasal dari userr adalah beruupa
gambarr (citra), sistem
m akan mencari berdasarkkan
kemirippan (similarity) antara citra masukan denggan
citra yaang terdapat pada
p
basis datta. Keluaran ddari
sistem temu kembali citra adalah berupa
b
citra yaang
telah diiurutkan berdaasarkan kemiripan dengan ciitra
masukaan dan informaasi berupa nam
ma motif batik ddan
dari daeerah mana batikk tersebut beraasal.

Jurusa n Te knik Ele ktro UNRA M – Ma
M ta ra m , 17 Juli 201 2

Antaarmuka pengguuna berfungsi sebagai mediaa agar
peng
gguna dengaan sistem dapat
d
berinteeraksi.
Antaarmuka sistem merupakan tam
mpilan sistem ketika
k
sisteem di jalankaan, terdapat tiiga submenu yaitu
indexing, Searchinng dan Exit. Raancangan antarrmuka
peng
gguna dalam siistem terlihat pada
p
Gambar 11.

295

Pro sid ing : SEMINA R NA SIO NA L 2012
”Te knik Ele ktro Da n Info rm a tik
ka Da la m Pe ng e m b a ng a n Te k
kno lo g i Be rke la njuta
n
n”

ISBN : 9 78 - 9 79 - 19 888- 1- 0

Gambarr 11 Blok diagram sistem opeerasi
Keterangan
K
gaambar:
Indexing
I
Indexing
I
meru
upakan proses untuk memasu
ukan citra
latih
l
dari direkktori penyimpaanan (berekstraaksi *.jpg).
Setiap citra latih
l
dilakukann proses eksttraksi ciri
sehingga akann dihasilkan vektor
v
fiture dari
d
setiap
citra
c
untuk setiap metodee ekstraksi ciri
c
yang
nantinya
n
akan
n menjadi pem
mbanding denggan vektor
fiture
f
dari ciitra uji. Gambbar 12. adaalah form
tampilan
t
untukk proses indexiing.

Gambaar 13. Tampilann form proses indexing
i
Result
Result merrupakan antarm
muka keluarann dari sistem
temukembaali citra batik. Keluaran dari sistem ini
berupa citraa uji yang mennjadi masukann sistem serta
citra basisd
data yang relevvan dengan citrra uji. Seperti
terlihat pada Gambar 14.

Gambar 12. Tampilan fo
orm proses indexing
Gaambar 12. Tam
mpilan form Reesult
Searching
m
Searching addalah perintaah untuk melakukan
pencarian
p
citrra ke dalam basisdata, user harus
memasukan
m
ciitra uji pada sistem kemudiann memilih
metode
m
ekstrakksi ciri yang ak
kan digunakan

296
2

4.

Hasil dan
d Evaluasi

Percobaan yang dilakukkan dengan menggunakan
m
125 citra yaang berasal daari 9 kelas datta batik yang
terdiri dari nitik, kompenni, ceplok, meegamendung,
parang, seemen, bungo jambi dan sasirangan.
Perhitungann tingkat kemiripan menggunakan
m
precision yaitu
y
perbandinngan jumlah materi
m
relevan
yang ditem
mu kembalikann terhadap juumlah materi
yang ditemuukembalikan.

Ju
urusa n Te knik Ele ktro UNRA M - Ma ta ra m , 17 Juli 201 2

Pro sid ing : SEMINA R NA SIO NA L 2012
ISBN : 97 8 - 9 79 - 19 888 - 1 - 0

”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”

Tabel 3. Rata-rata kemunculan dalam (%). Dengan
menggunakan ekstraksi ciri warna (metode : Color
moment).

Tabel 5. Rata-rata kemunculan dalam (%). Dengan
menggunakan ekstraksi ciri Texstur (metode : CoOccurrence Matrix).

Perubahan

kemiripan

kemiripan

100

92.6

79.6

Ceplok

75

50

50

Kompeni

75

83.3

79.6

Megamendung

60

59.3

64.8

Kelas Batik
Nitik

Ukuran

Perubahan

Rotasi
kemirip
an

Cropping

Parang

83.3

74.1

66.7

Semen

65

60

64

Besurek

60

60

55

sasirangan

70

60

50

bungo jambi

65

61.1

64

Gambar 14. adalah grafik untuk rata-rata tingkat
kemiripan dengan menggunakan ekstraksi ciri warna

Rotasi

Ukuran

Cropping

kemiripan

kemiripan

kemiripan

Nitik

50

68

60

Ceplok

65

67

50

Kompeni

75

83.3

50

Kelas Batik

Megamendung

60

67

60

Parang

67

74.1

67

Semen

60

65

70

Besurek

60

70

66

sasirangan

70

59

60

bungo jambi

65

61.1

64

Gambar 15. adalah grafik untuk rata-rata tingkat
kemiripan dengan menggunakan ekstraksi ciri
tekstur.

Gambar 15. Grafik rata-rata tingkat kemiripan
dengan Co-Occurrence Matrix
Gambar 14. Grafik rata-rata tingkat kemiripan
dengan Color moment

5.

Kesimpulan dan Saran
Kesimpulan
Penelitian ini merupakan bagian dari solusi akan
kebutuhan sistem temu kembali citra batik.
pendekatan yang digunakan adalah ekstraksi ciri
warna dengan menggunakan metode Color
moment dan ekstraksi ciri tekstur dengan
menggunakan Co-Occurrence Matrix. Hasil
precision
rata-rata
tertinggi
dengan
menggunakan ekstraksi ciri warna adalah kelas
Nitik, kompeni dan parang sekitar 80 %. Dan
rata-rata tertinggi dengan ekstraksi ciri tekstur
adalah kelas ceplok, kompeni dan besurek
sekitar 72%.

Jurusa n Te knik Ele ktro UNRA M – Ma ta ra m , 17 Juli 201 2

297

Pro sid ing : SEMINA R NA SIO NA L 2012
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”

ISBN : 97 8- 9 79 - 19 888- 1 - 0

Saran
Hasil sistem temu kembali citra dengan
ekstraksi ciri warna dan tekstur cukup baik,
disarankan
pada
penelitian
selanjutnya
menggunakan metode untuk klasifikasi citra
sehingga dapat meningkatkan nilai kedekatan
antara citra query dan citra basisdata.

6.

298

Daftar Pustaka
Baeza-Yates, R. & Ribeiro-Neto, B. 1999,
Modern Information Retrieval. AddisonWesley. ISBN 0-201-39829-X
Doellah, Santosa.2010 “Batik Pengaruh Zaman
dan Lingkungan” : Danar hadi
Han J, Kamber M, 2001. Data Mining :
Concepts and Techniques, Simon Fraser
University, Morgan Kaufmann Publisers.
Hua X.S., Zhang H.J. 2008. Media Content
Jiawei Han, Micheline Kamber. 2001. Data
mining: concepts and techniques. Morgan
Kaufmann Publishers.
Laksmita Rahadianti, dkk. Clustering Batik
Images based on Log-Gabor and Colour
Histogram Features, Universitas Indonesia
Moertini, Veronica. 2007. Pengembangan
Skalabilitas Algoritma Klasifikasi c4.5
Dengan Pendekatan Konsep Operator
Relasi (Studi Kasus: Pra-Pengolahan Dan
Klasifikasi Citra Batik). Bandung: Institut
Teknologi Bandung.
Mojsilovic A, 2002. Method For Color Mining
And Description Of Color Composition In
Daubechies I. 1995. Ten Lectures on Wavelets.
Capital City Press : Montpelier, Vermount
Pratikaningtyas Dhani, Klasifikasi Motif Batik
Menggunakan Metode Transformasi Paket
Wavelet, Universitas Dipenogoro.
Putra, Darma .2010. Pengolahan Citra Digital :
ANDI OFFSET , Yogyakarta.

Jurusa n Te knik Ele ktro UNRA M - Ma ta ra m , 17 Juli 201 2