Deteksi Motif Tradisional Bali Dengan Algoritma Learning Vector Quantization

Abstract

Tidak semua orang mengenal motif tradisional yang beragam hanya melalui ciri-ciri yang tampak secara visual. Sering kali mereka salah dalam mengenali motif tertentu, dikarenakan motif yang bervariasi dan hampir serupa. Salah satu alternatif untuk mengatasi permasalahan tersebut yakni dengan membangun sebuah sistem informasi deteksi motif tradisional Bali. Pada penelitian ini data motif yang digunakan sebanyak 210 citra, dengan citra yang digunakan sebagai data training sebanyak 80% atau 168 citra dan data testing sebanyak 20% atau 42 citra. Data tersebut dibagi menjadi 6 kelas dari masing-masing motif yang digunakan. Dengan menerapkan Scaling dan Greyscale pada preprocessing dilanjutkan dengan ekstraksi fitur dengan deteksi tepi Sobel sehingga diperoleh fitur yang representatif. Penelitian ini mengimplementasikan algoritma Learning Vector Quantization untuk mendeteksi citra corak tenun, dan metode Sobel untuk ekstraksi fitur tepi dimana dengan adanya sistem tersebut terbukti dapat digunakan dalam mengenali corak tenun serta sebagai media penyampaian informasi mengenai jenis, asal dan makna dari tiap kain tenun dengan baik. Sistem yang berhasil dibangun diuji dengan metode pengujian akurasi. Berdasarkan pengujian akurasi dengan menggunakan pengaruh perubahan learning rate, epoh maksimal, dan epsilon sehingga didapatkan parameter learning rate terbaik yaitu 0.06, epoh 20 dan epsilon  0.0001 dari 42 data testing yang digunakan, didapatkan akurasi sebesar 92.86% dengan 39 data motif kain tenun yang dapat dikenali dengan benar.