Batik merupakan seni yang paling penting dalam kehidupan masyarakat Indonesia. Keanekaragaman batik berasal dari beberapa wilayah diseluruh indonesia 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. Metode yang digunakan pada penelitian ini berbasis tekstur kasar atau lembut yaitu metode Wavelet Haar. Wavelet Haar merupakan metode dimana pada setiap citra didekomposisi menjadi 4 bagian yaitu LL, LH, HL, dan HH. Pada masing-masing bagian tersebut ditentukan nilainya. Sehingga dari hasil ekstraksi fitur akan dilakukan pengukuran kemiripan dengan citra basis data dengan menggunakan metode Euclidean Distance. Citra query dan citra basis data yang dipergunakan sebanyak 200 citra dengan delapan kelas citra didalamnya. Citra tertinggi dari hasil uji coba skenario-skenario pada penelitian ini dapat diambil kesimpulan bahwa akurasi tertinggi ada pada kelas bangkalan, cirebon, pamekasan dan solo. Jumlah citra yang dihasilkan dari perhitungan akurasi adalah 8 citra yang mirip dari 10 citra terbaik yang ditampilkan berdasarkan fitur citra Roughness, yaitu fitur untuk mengetahui apakah sebuah tekstur tersebut kasar atau lembut. Dengan hasil nilai akurasi tertinggi sebesar 80 %.

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 Wavelet Haar. Wavelet Haar is a method where in each image is decomposed into four parts, namely LL, LH, HL, and HH. In each of these sections are initialized. So, from the extraction of features will be measured by the similarity of image database using the Euclidean Distance. Query image and database images are used as many as 200 images with the image inside the eight classes. Highest image of the test results of the scenarios in this study it can be concluded that the highest accuracy for a class Bangkalan, cirebon, Pamekasan and solo. The number of images resulting from the calculation accuracy is 8 similar images of 10 of the best image displayed by the image features of roughness, which is a feature to find out if a texture is rough or smooth. With the results of the highest accuracy value of 80%.

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