Paper ini merupakan laporan akhir dari penelitian yang sedang berjalan yang berjudul tentang optimasilisasi temu kembali citra batik yang sudah dilakukan proses klasifikasi motif. Pada tahun ini sudah terdapat beberapa kegiatan yang sudah dilaksanakan seperti : Pengumpulan dan Seleksi terdapat sekumpulan citra batik, evaluasi terhadap fungsi variabel dari ciri tekstur batik termasuk memprosesnya, dan melakukan proses ekstraksi ciri dengan menggunakan Edge detection dan wavelet transform. Untuk mendukung kegiatan ini dilakukan juga kunjungan ke beberapa daerah dalam melakukan diskusi terhadap beberapa nara sumber dalam rangka mendukung penelitian ini. Untuk penelitian kelanjutan ini kami melakukan evaluasi terhadap varianbel fungsi ciri tektur dari citra batik dari yang awalnya 3 (tiga) fungsi variabel, akan ditambahkan 2 (dua) ciri lagi yaitu seperti mean, energy, standard deviasi, konkurensi dan entropy. Sehingga diharapkan akan meningkatkan kemampuan untuk Proses temu kembali tidak hanya mengambarkan tingkat presisi, namun juga dapat mengenali citra batik yang mempunyai kemiripan ornamen atau tekstur termasuk juga bentuk (relevan). Walaupun citra batik yang dipanggil mempunyai perbedaan ukuran, derajat kemiringan. dan tata letak tesktur dan bentuk. Banyak metode yang sudah digunakan dalam menganalisis temu kembali citra batik, namun untuk penelitian ini digunakan metode wavelet discrete transform jenis Daubechies 2 level 2 untuk proses ekstraksi ciri tekstur, sedangkan untuk ekstraksi ciri bentuk digunakan metode invarint moment. Namun untuk penelitian kelanjutan ini walaupun sudah dilakukan pengolahan ekstraksi ciri tekstur dengan Daubechies 2 level 2, akan dilanjutkan dengan membandingkan dengan jenis wavelet yang lain yaitu jenis rbiorthogonal dengan level yang akan disesuaikan. Sehingga diharapkan akan menghasilkan ektraksi ciri yang optimal. Sedangkan untuk ciri bentuk tetap akan dijabarkan kedalam 7 moment. Setelah proses ekstraksi ciri dilanjutkan dengan proses klasifikasi terhadap sekumpulan citra batik, untuk membagi kedalam kelompok motif batik. Untuk tahun pertama ini sebagai testing kami akan dilakukan proses klasifikasi dengan mengunakan pohon nilai (treeval) dalam rangka mengelompokkan sekumpulan citra batik. Pada dasarnya dalam proses klasifikasi terhadap citra batik mempunyai kesulitan dan permasalahan, ini disebabkan karena keragaman dan keunikan terhadap motif tekstur dan bentuk. Untuk itu dalam proses klasifikasi akan terus dilakukan penelitian pada tahun berikutnya dengan mengunakan konsep sistem jaringan tiruan seperti dengan metode Backpropagation, perceptron, atau learning vektor quantization. Hal ini dilakukan untuk mendapat tingkat ketepatan dalam proses klasifikasi citra batik . Pada tahun kedua ini untuk proses klaifikasi ini akan digunakan metode Fuzzy neural Network atau NeuroFuzzy, namun itu akan diuji sebelumnya. Untuk perhitungan jarak kemiripan digunakan fungsi euclied. Dilanjutkan dengan proses algoritma threshold dimana dengan mengunakan fungsi Sigmoid, untuk menghasilkan nilai grade yang merupakan representasi dari setiap ciri citra. Nilai grade yang dihasilkan akan dibandingkan berdasarkan ciri bentuk dan tekstur untuk menghasilkan urutan citra dengan tingkat relevan yang tinggi berdasarkan ciri citra pemangil. Beberapa Metode diatas akan dilakukan, setelah terlebih dahulu dilakukan proses klasifikasi terhadap sekumpulan data citra batik.

NeuroFuzzy, wavelet, batik, citra batik

• Djunaidy Santoso, Dipl.Ing., M.Kom.

• Dr. Abdul Haris Rangkuti, S.Kom., M.M., M.Si.