Segmentasi Warna Batik Pesisir Jawa Menggunakan HSV dan Average Linkage pada Hierarchical Clustering
Analisis Visual Warna Dominan pada Motif Batik Pesisir
DOI:
https://doi.org/10.33005/santika.v5i1.737Keywords:
Segmentasi warna, HSV, Hierarchical clustering, Average linkage, Batik pesisirAbstract
Segmentasi warna merupakan salah satu pendekatan penting dalam pengolahan citra digital untuk mempermudah klasifikasi dan identifikasi motif visual, khususnya pada batik pesisir Jawa yang memiliki kompleksitas warna tinggi. Penelitian ini mengimplementasikan metode segmentasi warna menggunakan ruang warna HSV (Hue, Saturation, Value), yang menyerupai persepsi visual manusia. Proses klasterisasi dilakukan dengan algoritma Hierarchical Clustering menggunakan metode average linkage untuk mengelompokkan blok-blok warna dari citra batik. Dataset terdiri dari lima jenis batik pesisir Jawa, yaitu Jlamprang, Mega Mendung, Tujuh Rupa, Liong, dan Singa Barong. Citra dibagi menjadi blok-blok kecil 10×10 piksel, dihitung rata-rata HSV per blok, dinormalisasi, lalu diklasterisasi menjadi tiga kelompok (motif, latar belakang, dan ornamen). Hasil menunjukkan bahwa metode ini efektif dalam memisahkan komponen visual batik, mengidentifikasi warna dominan tiap elemen, dan menunjukkan hubungan kemiripan warna antar motif melalui dendogram. Pendekatan ini berpotensi digunakan dalam sistem klasifikasi otomatis dan dokumentasi digital motif batik berbasis warna.
References
Syallom, A. C., Meilinia, P. E., Putri, N. A., & Yasin, M. (2024). Pembuatan Desain Batik untuk Menjadi Ikon Desa yang Memfilosofikan Desa Padi. Prosiding Patriot Mengabdi, 3(01), 540–545.
Hapsari, W., & Haryono, N. A. (2016). Segmentasi Warna Pada Batik Menggunakan Pendekatan HSV Dengan Teknik Linkage. Konferensi Nasional Teknologi Informasi dan Komunikasi (KNASTIK), 268–274.
Vira, R., Husni, N. L., Pratama, D. A., & Handayani, A. S. (2020). Penerapan Sistem Pengolahan Citra Digital Pendeteksi Warna pada Starbot. TEKNIKA, 14(2), 185–191.
Sovi. (2025). Pengolahan Citra - Algoritma Transformasi Ruang Warna. Scribd. https://id.scribd.com/document/362215367/Pengolahan-Citra-Algoritma-Transformasi-Ruang-Warna
Jasman, T. Z., Hasmin, E., Sunardi, Susanto, C., & Musu, W. (2022). Perbandingan Logistic Regression, Random Forest, dan Perceptron pada Klasifikasi Pasien Gagal Jantung. CSRID Journal, 14(3), 271–286. https://doi.org/10.22303/csrid.14.3.2022.271-286
Scikit-learn. (2019). StandardScaler. https://scikit-learn.org/stable/modules/generated/sklearn.preprocessing.StandardScaler.html
Cohen-Addad, V., Kanade, V., Mallmann-Trenn, F., & Mathieu, C. (2019). Hierarchical Clustering. Journal of the ACM, 66(4), 1–42. https://doi.org/10.1145/3321386
Ali, H. A. (2011). Sidik Peubah Ganda Dengan Menggunakan SAS. IPB Bogor. https://www.academia.edu/41114449
Damayanthi, N. W. R., Suciptawati, N. L. P., Jayanegara, K., & Kencana, E. N. (2023). Pengelompokan Provinsi di Indonesia Menurut Indikator Indeks Kebahagiaan Menggunakan Metode Average Linkage. Innovative: Journal Of Social Science Research, 3(4), 8859–8872. https://j-innovative.org/index.php/Innovative/article/view/4665
