Batik merupakan seni yang paling penting dalam kehidupan masyarakat Indonesia. Keanekaragaman batik datang dari beberapa wilayah dan provinsi sehingga menyimbolkan karakteristik ciri pola batik yang berbeda-beda dari masing-masing daerah tempat batik tumbuh dan berkembang. Tugas akhir ini telah berhasil membuat suatu Sistem Perolehan Citra berbasis Isi (SPCI) dengan ciri tekstur yang bertujuan untuk mengetahui ciri dari pola batik tersebut. SPCI merupakan metode atau teknik pencarian gambar citra yang mirip (similar) dengan melakukan perbandingan antara citra query dengan citra yang ada dalam basis data. Pada penelitian ini menggunakan ciri tekstur sebagai proses pencarian kemiripan dari delapan wilayah citra batik yang berbeda yaitu: Cirebon, Bali, Bangkalan, Pamekasan, Sumenep, Yogyakarta, Solo, dan Pekalongan sebagai obyek perolehan citra berbasis isi. Sistem dibangun dengan proses utamanya yaitu ekstraksi fitur tekstur dengan menggunakan metode Gray Level Run Length Matrix (GLRM). GLRM dilakukan dengan membuat rangkaian pasangan nilai (i,j) pada setiap baris piksel dengan arah tertentu. Hasil ekstraksi fitur selanjutnya dilakukan pengukuran jarak kemiripan menggunakan metode Euclidean Distance. Dari uji coba aplikasi menggunakan pengukuran kemiripan Euclidean Distance dengan nilai threshold=145 diperoleh akurasi presisi sebesar 0.53 pada data pelatihan 184 dan data uji coba 16 dengan jumlah citra yang ditampilkan 10. Kata Kunci: Tekstur, Sistem Perolehan Citra berbasis Isi, Gray Level Run Length Matrix, Euclidean Distance

Batik is the art of the most important in the life of Indonesian society. Diversity batik comes from several regions and provinces thus symbolizing the traits characteristic of batik patterns different from each area where batik grow and develop. This final project has successfully created a Content-based Image Acquisition System (SPCI) with a characteristic texture aims to determine the characteristics of the batik pattern. SPCI is a method or technique similar image search image (similar) to make comparisons between the query image with the image present in the database. In this study, using texture characteristics as similarity search process batik images of eight different classes, namely: Cirebon, Bali, Jakarta, Pamekasan, Sumenep, Yogyakarta, Solo, and Pekalongan as content-based image acquisition object. The system was built with the main texture feature extraction using the Gray Level Run Length Matrix (GLRM). GLRM done by making a series of pairs of values (i, j) on each row of pixels in a certain direction. The results of the feature extraction is then performed using the method of distance measurement similarity Euclidean Distance. From the test application using Euclidean Distance similarity measurement threshold value = 145 precision accuracy obtained for 0:53 on 184 training data and test data 16 with the number of images displayed 10. Keywords: Texture, Content-based Image retrieval, Gray Level Run Length Matrix, Euclidean Distance

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal