Implementasi GLCM, LBP, Dan Euclidean Distance Untuk Sistem Pencarian Batik Teratur Berbasis Citra
DOI:
https://doi.org/10.33005/santika.v5i1.597Keywords:
Batik Teratur, GLCM, LBP, Euclidean Distance, Pencarian CitraAbstract
Dalam upaya mempercepat dan mempermudah proses pencarian pola pada citra batik teratur, penelitian ini mengusulkan implementasi ekstraksi fitur kombinasi yang menggabungkan Gray Level Co-occurrence Matrix (GLCM) dan Local Binary Pattern (LBP). Setiap citra di- resize ke ukuran standar 128×128 piksel, kemudian diolah menjadi citra grayscale sebelum ekstraksi fitur. Fitur GLCM digunakan untuk menangkap tekstur global melalui pengukuran kontras, dissimilarity, homogeneity, energy, korelasi, dan ASM. Sementara itu, LBP menangkap informasi detail lokal dalam bentuk histogram pola biner. Fitur-fitur yang dihasilkan digabungkan menjadi vektor deskriptor lengkap untuk setiap citra, lalu disimpan dalam basis data. Pencarian pola serupa dilakukan dengan menghitung Euclidean Distance antara vektor query dan seluruh vektor dalam database, menghasilkan peringkat 10 citra terdekat. Hasil awal menunjukkan bahwa kombinasi ketiga metode ekstraksi ini mampu menangkap karakteristik tekstur, lokal, dan frekuensi dengan baik, sehingga mempermudah identifikasi pola batik yang menyerupai query. Kontribusi utama penelitian ini adalah demonstrasi efektivitas gabungan GLCM dan LBP dalam sistem pencarian citra batik teratur, sekaligus membuka peluang optimasi lebih lanjut melalui pengaturan parameter dan integrasi teknik pembelajaran mesin
References
K. Adi Nugraha, W. Hapsari, and N. Agus Haryono, “Analisis tekstur pada citra motif batik untuk klasifikasi menggunakan K-NN,” J. Teknol. Komput. dan Inform., vol. 10, pp. 135–139, 2014..
P. Anisa and A. Rahmatullah, “Classification of Batik Tasikmalaya using neural network with GLCM and LBP feature extraction,” JAMASTIKA, vol. 3, pp. 47–59, 2024.
“Batik’s pattern recognition and generation: Review and challenges,” Procedia Comput. Sci., vol. 197, pp. 648–657, 2022.
“Batik image retrieval system using self organizing map,” Indones. J. Artif. Intell. Data Min., vol. 6, no. 1, pp. 45–53, 2023.
Batik’s pattern recognition and generation: Review and challenges. (2022). Procedia Computer Science, 197, 648–657.
“Content-based image retrieval of Indian traditional textile motifs,” Herit. Sci., vol. 12, no. 1, p. 65, 2024.
“Feature selection and reduction for batik image retrieval,” J. Phys.: Conf. Ser., vol. 801, no. 1, p. 012034, 2017.
“Gray level co-occurrence matrices: Generalisation and some new features,” arXiv preprint arXiv:1205.4831, 2012.
“Grey level co-occurrence matrix based second order statistics for image texture analysis,” arXiv preprint arXiv:2403.04038, 2024.
“Image retrieval based on fusion of graph method with color and GLCM,” Int. J. Adv. Sci., Eng. Inf. Technol., vol. 14, no. 4, pp. 1752–1760, 2024.
“Image retrieval model analysis of digital library based on texture,” J. Comput. Methods Sci. Eng., vol. 21, no. 5, pp. 1467–1479, 2021.
A. D. Nugrowati, A. R. Barakbah, Y. Setiowati, and N. Ramadijanti, “Batik image search system with extracted combination of color and shape features,” in Proc. Int. Conf. Imaging and Printing Technologies, 2014, pp. 1–6.
“Performance comparison of GLCM features and preprocessing effect on batik image retrieval,” Indones. J. Electr. Eng. Comput. Sci., vol. 33, no. 2, pp. 1154–1161, 2024.
“Robust content-based image retrieval using ICCV, GLCM, and MS-LBP descriptor,” Comput. Sci., vol. 23, no. 1, 2022.
Z. Ruri Hartika and Sumijan, “Metode ekstraksi fitur canny, GLCM dan segmentasi warna menggunakan K-Means clustering dalam peningkatan motif batik,” Indones. J. Comput. Sci., vol. 13, no. 6, pp. 10154–10155, 2024.
T. Sutojo, P. S. Tirajani, D. R. I. M. Setiadi, C. A. Sari, and E. H. Rachmawanto, “CBIR for classification of cow types using GLCM and color features extraction,” in Proc. ICITISEE, 2017, pp. 182–187.
“Texture fusion for batik motif retrieval system,” Int. J. Electr. Comput. Eng., vol. 6, no. 6, pp. 3174–3187, 2016.
I. Wahdaniah and H. Harlinda, “Aplikasi pencarian gambar dengan konten berdasarkan fitur bentuk berbasis web menggunakan metode gradien vektor flow snake,” ILKOM J. Ilmiah, vol. 9, pp. 49–55, 2017.
C. Jatmoko and D. Sinaga, “A classification of Batik Lasem using texture feature extraction based on K-Nearest Neighbor,” J. Appl. Intell. Syst., vol. 3, no. 2, pp. 96–107, 2018.
“Image retrieval based on fusion of graph method with color and GLCM,” Int. J. Adv. Sci., Eng. Inf. Technol., vol. 14, no. 4, pp. 1752–1760, 2024.
