EA-DUTA_070411100128

2
1. Judul Sistem Perolehan Citra Berbasis Isi Menggunakan Grey Level Run Length Matrix Berdasarkan Ciri Tekstur Pada Pola Batik 2. Nama Priagung Safaradila 07.04.111.00128 3. Dosen Pembimbing Dosen Pembimbing I : Mula’ab, S.Si., M.Kom Dosen Pembimbing II : Bain Khusnul Khotimah ,S.T, M.Kom 4. Extended Abstrak Batik adalah kerajinan yang memiliki nilai seni tinggi dan telah menjadi bagian dari budaya Indonesia (khususnya Jawa) sejak lama. Batik di Indonesia mempunyai beragam jenis tekstur batik, warna batik, dan pola batik yang mencerminkan asal usul daerah dari batik tersebut. Dalam perkembangan zaman pola dan tekstur batik mengalami kemajuan yang pesat sehingga muncul beraneka ragam batik yang memiliki tekstur baru ataupun tekstur batik lama di padu padankan dengan tekstur batik sekarang sehingga mendapat pola tekstur batik yang baru. Sistem Perolehan Citra Berbasis Isi (SPCI) merupakan metode atau teknik pencarian citra yang mirip (similar) dengan melakukan perbandingan antara citra query dengan citra yang ada dalam basis data. Karakteristik batik yang membedakan dari masing- masing daerah dapat dilakukan dengan mengekstraksi fitur tekstur batik tersebut. Alur dari usulan penelitian tugas akhir ini sebagai adalah menginputkan citra batik. Citra yang diinputkan berasal dari basis data yang telah dikumpulkan sebelumnya. Citra batik yang ada dalam basis data terdiri dari 200 citra batik yang berukuran 200 x 200 piksel dan berekstensien bitmap (*.bmp) dengan jumlah kelas sebanyak delapan yaitu: Sumenep, Cirebon, Pamekasan, Bangkalan, Jogja, Bali, Solo dan Pekalongan. Citra yang telah diinputkan ke dalam sistem akan diubah menjadi citra grayscale. Kemudian citra grayscale tersebut dilakukan proses binerisasi (thresholding) yang bertujuan mengelompokan piksel -piksel obyek menjadi wilayah (region) yang mempresentasikan obyek. Setelah mendapatkan citra biner akan dilakukan proses deteksi tepi dengan menggunakan metode Canny. Selanjutnya adalah menghitung ekstraksi fitur pada citra batik dengan menggunakan metode Grey Level Run Length Matrix untuk mengukur kemiripan sehingga menghasilkan pola tekstur batik yang kita inginkan. Tahapan terakhir dari penelitian tugas akhir ini adalah menghitung jarak kemiripan dengan menggunakan Euclidean Distance yaitu semakin rendah nilai jarak suatu citra maka akan semakin tinggi tingkat kemiripannya. Tujuan dari tugas akhir ini adalah mendapatkan fitur tekstur pada pola batik menggunakan Grey Level Run Length Matrix dan menghitung jarak kemiripan menggunakan Euclidean Distance. Harapan yang akan dicapai pada penelitian tugas akhir ini adalah menghitung kemiripan antara citra query dengan citra yang ada dalam basis data.

description

ea duta proposal tiugas akhir

Transcript of EA-DUTA_070411100128

Page 1: EA-DUTA_070411100128

1. Judul Sistem Perolehan Citra Berbasis Isi Menggunakan Grey Level Run Length Matrix Berdasarkan Ciri Tekstur Pada Pola Batik

2. Nama Priagung Safaradila 07.04.111.00128

3. Dosen Pembimbing Dosen Pembimbing I : Mula’ab, S.Si., M.Kom Dosen Pembimbing II : Bain Khusnul Khotimah ,S.T, M.Kom

4. Extended Abstrak Batik adalah kerajinan yang memiliki nilai seni tinggi dan telah menjadi bagian

dari budaya Indonesia (khususnya Jawa) sejak lama. Batik di Indonesia mempunyai beragam jenis tekstur batik, warna batik, dan pola batik yang mencerminkan asal usul daerah dari batik tersebut. Dalam perkembangan zaman pola dan tekstur batik mengalami kemajuan yang pesat sehingga muncul beraneka ragam batik yang memiliki tekstur baru ataupun tekstur batik lama di padu padankan dengan tekstur batik sekarang sehingga mendapat pola tekstur batik yang baru. Sistem Perolehan Citra Berbasis Isi (SPCI) merupakan metode atau teknik pencarian citra yang mirip (similar) dengan melakukan perbandingan antara citra query dengan citra yang ada dalam basis data. Karakteristik batik yang membedakan dari masing- masing daerah dapat dilakukan dengan mengekstraksi fitur tekstur batik tersebut.

Alur dari usulan penelitian tugas akhir ini sebagai adalah menginputkan citra batik. Citra yang diinputkan berasal dari basis data yang telah dikumpulkan sebelumnya. Citra batik yang ada dalam basis data terdiri dari 200 citra batik yang berukuran 200 x 200 piksel dan berekstensien bitmap (*.bmp) dengan jumlah kelas sebanyak delapan yaitu: Sumenep, Cirebon, Pamekasan, Bangkalan, Jogja, Bali, Solo dan Pekalongan. Citra yang telah diinputkan ke dalam sistem akan diubah menjadi citra grayscale. Kemudian citra grayscale tersebut dilakukan proses binerisasi (thresholding) yang bertujuan mengelompokan piksel -piksel obyek menjadi wilayah (region) yang mempresentasikan obyek. Setelah mendapatkan citra biner akan dilakukan proses deteksi tepi dengan menggunakan metode Canny. Selanjutnya adalah menghitung ekstraksi fitur pada citra batik dengan menggunakan metode Grey Level Run Length Matrix untuk mengukur kemiripan sehingga menghasilkan pola tekstur batik yang kita inginkan. Tahapan terakhir dari penelitian tugas akhir ini adalah menghitung jarak kemiripan dengan menggunakan Euclidean Distance yaitu semakin rendah nilai jarak suatu citra maka akan semakin tinggi tingkat kemiripannya.

Tujuan dari tugas akhir ini adalah mendapatkan fitur tekstur pada pola batik menggunakan Grey Level Run Length Matrix dan menghitung jarak kemiripan menggunakan Euclidean Distance.

Harapan yang akan dicapai pada penelitian tugas akhir ini adalah menghitung kemiripan antara citra query dengan citra yang ada dalam basis data.

Page 2: EA-DUTA_070411100128

Daftar Pustaka [1] Dong-Hui Xu. 2005. Run-Lenght Encoding For Volumetric Texture. School of

Computer Science, Chicago. [2] A.Padma. 2011. Automatic Classification and Segmentation of Brain Tumor in CT

Images using Optimal Dominant Gray level Run length Texture Features, Vol 2, no.10.

[3] Ramadijanti, N. 2006. “Content Based Image Retrieval Berdasarkan Ciri Tekstur Menggunakan Wavelet”. Prosiding Seminar Nasional Aplikasi Teknologi Informasi (Snati 2006) ISSN :1907-5022. Yogyakarta.<http://journal.uii.ac.id/index.php/Snati/article/viewFile/1530/1310> diakses pada 12 Juni 2011.

[4] Dian ayu Septiana. 2009. Analisis Tekstur Kayu Parket Dengan Menggunakan Metode Statistikal Grey Level Run Lenght Matrix. Tugas Akhir. Depok : Universitas Gunadarma.

[5] Farhatulailla. 2012. Sistem Perolehan Citra Berbasis Isi dengan citra batik menggunakan gray level co-occurence matrix (glcm). Tugas Akhir. Madura : Universitas Trunojoyo.

[6] Isa ,S. M., Juwita, E. 2007. “Aplikasi Image Retrieval Berdasarkan Tekstur Dengan Menggunakan Transformasi Haar Wavelet”.Prosiding Seminar Nasional Sistem dan Informatika SNSI 06-039. Bali.

[7] Susilo,A. 2007. Web Image Retrieval Untuk Identifikasi Bunga Dengan Pengempokan Content Menggunakan Ciri Warna Dan Bentuk. Tugas Akhir. Surabaya: Institut Teknologi Sepuluh Nopember.

[8] Anonim. 2012 Sejarah Batik Indonesia. <http://www.pekalongankab.go.id/fasilitas-web/artikel/ekonomi/594-serba-serbi-batik-pekalongan-batik-indonesia-sebagai-warisan-budaya-dunia.html> diakses pada 10 Januari 2012 .

[9] Andi Prasetyo. 2009. Analisa Tekstur Tanah Menggunakan Metode Statistikal Gray Level Difference Method (GLDM). Tugas Akhir. Depok : Universitas Gunadarma.

[10] Mita Indriani. 2007. Analisa Tekstur Menngunakan Metode Run Lenght. Tugas Akhir. Semarang : Universitas Diponegoro.

[11] Pratikaningtyas, D. 2003. Klasifikasi Motif Batik Menggunakan Metode Transformasi Paket Wavelet. Tugas Akhir. Semarang : Universitas Diponegoro.