Kupang, 13 Nopember2012
ABSTRAK
Motif tenun ikat sebagai warisan budaya Nusa Tenggara Timur (NTT) sangat beragam dipengaruhi letak
geografis kepulauan, keadaan alam, dan struktur masyarakat. Perbedaan motif-motif khas seperti flora, fauna,
motif geometris sangat menarik untuk diteliti. Perbedaan yang unik dari setiap motif merupakan kata kunci
untuk menyebut nama dan asal tenun ikat. Semua informasi bernilai seni tersimpan dalam memori manusia
sangat terbatas ruang dan waktu yang tidak permanen. Penelitian ini dianalisis teknik retrieval untuk
mengidentifikasi pola citra tenun berbasis content. Selanjutnya dirancang aplikasi untuk me-retrieve sistem
temu kembali citra berbasis content. Metode ekstraksi ciri pada citra digital yang efisien berdasarkan energi
dari frekuensi citra dengan transformasi gelombang singkat diskret atau Discrete Wavelet Transform (DWT).
DWT mendekomposisikan dimensi sinyal frekuensi tinggi dan frekuensi rendah. Sebuah sinyal dilewatkan
melalui highpass filter untuk menganalisis frekuensi tinggi dan dilewatkan melalui lowpass filter untuk
menganalisis frekuensi rendah. Hasil dekomposisi citra menghasilkan energi dan disimpan sebagai database
untuk me-retrieve citra uji melalui proses yang sama. Pada penelitian ini digunakan Wavelet Haar, dan
dibandingkan Wavelet Daubechies 4 sebagai pendekatan baru pada setiap levelnya. Hasil retrieval kedua
metode dibandingkan berdasarkan perbandingan energi citra uji dan citra database atau citra latih.
Berdasarkan hasil pengujian terhadap 20 citra uji (citra query) dengan 45 citra latih (citra database) dengan
jarak Euclidean, secara rata-rata Daubechies lebih akurat dibandingkan dengan Haar. Persentasi rata-rata
kemiripan yang dihasilkan Daubechies adalah 0.046 %, sedangkan Haar 0.097%. Pada perhitungan nilai
akurasi Precision, Recall, dan Akurasi secara rata-rata Daubechies lebih baik daripada Haar.
Kata Kunci: Identifikasi, Citra Tenun, Wavelet haar, Wavelet daubechies, Jarak euclidean
1.
PENDAHULUAN
Motif dan corak tenun ikat sebagai warisan
budaya NTT sangat beragam dipengaruhi letak
geografis kepulauan, keadaan alam, dan struktur
masyarakat.
Perbedaan
motif-motif
khas
berdasarkan kepulauan seperti flora dan fauna,
motif geometris sangat menarik untuk diteliti.
Perbedaan yang unik dari setiap motif merupakan
kata kunci untuk menyebut nama dan asal tenun ikat.
Semua informasi tentang tenun jika tersimpan dalam
memori manusia yang konvensional akan sangat
terbatas dan tidak permanen. Perkembangan sistem
retrieval citra tidak hanya berbasis teks tapi dapat
berbasis content. Pada penelitian ini dilakukan
pendekatan
baru
teknik
retrieval
untuk
mengidentifikasi citra tenun berbasis content dan
selanjutnya dirancang suatu aplikasi untuk meretrieve citra berbasis content.
Sistem temu kembali citra (Image Retrieval
System) untuk identifikasi citra tenun berbasis
konten merupakan teknik pencocokan citra database
dengan melihat isi sebenarnya berdasarkan ciri dasar
gambar seperti warna, tekstur, dan bentuk. Metode
temu kembali citra berbasis konten (content base)
lebih baik dari sistem konvensional berbasis tex (text
base) [Rusdianto dkk., 2011].
Metode identifikasi citra dengan transformasi
gelombang singkat atau DWT telah dikembangkan
METODE PENULISAN
(2)
,
(3)
,
(4)
0 0.7071 0.7071
0.7071 -0.7071
0 0.7071
0
0
0.7071
0 0.7071 0.7071
0 0.7071 -0.7071
0 0.7071 -0.7071
0 0.7071 -0.7071
(1)
T-159
c)
Mulai
Input citra latih dan
resize 2^n
Algoritma
Sebagai contoh dekomposisi citra menggunakan
Haar Wavelet sampai level tertentu diringkas dalam
algoritma sebagai berikut:
1.
2.
3.
4.
Apakah
Pilih Haar ?
Tidak
Ekstraksi citra
dengan Metode
Daub4 Level n
Ekstraksi citra
dengan Metode
Haar Level n
Output
citra hasil
ekstraksi
d) Hasil Dekomposisi
Ciri-ciri citra hasil dekomposisi dengan wavelet
dapat diperoleh dengan menghitung energi yang
terkandung pada setiap subband. Pada setiap level,
suatu citra terbagi menjadi 4 subband. Pada Gambar
1 merupakan dekomposisi 3 level sehingga terdapat
12 subband. Energi setiap subband dihitung dengan
perumusan berikut:
"
! #
#$ %"
Selesai
$
(" !& '
(5)
T-160
(6)
dimana :
EDi = jarak terhadap tekstur i yang terkecil pada
basis-data
= energi dari subband yang diidentifikasi
Xj
Xj
= energi dari subband yang terdapat pada
citra database
b. Pengujian
Tahap terakhir adalah melakukan pengujian.
Pengujian dilakukan dengan membandingkan jarak
euclidean citra uji dengan dengan citra latih. Nilai
jarak terkecil menunjukkan kemiripan antara citra
uji dengan citra latih. Nilai energi yang terkecil
dibandingkan dengan suatu nilai ambang
(threshold). Jika lebih kecil dari nilai ambang maka
citra uji dapat diidentifikasikan. Jika lebih besar
menunjukkan tingkat kesalahan yang besar,
sehingga dapat diuji lagi dengan citra lain.
3.
(a)
(b)
(c)
(d)
(e)
(a)
(b)
(c)
(d)
(e)
Motif
Citra Uji
Daub4
Haar
level 2
Daub
4
Haar
endelawo
99.994
99.948
99.995
99.994
demonpaji
99.913
99.913
99.898
99.900
kwatekiwan
99.556
99.459
99.51
99.486
sikka
94.907
94.680
94.731
94.446
kwoitlolon
97.678
97.658
97.427
97.403
lepanbata
99.723
99.711
99.688
99.686
todo
98.075
98.130
97.904
97.905
ngadalawo
99.703
99.704
99.697
99.691
taukmandu
99.519
99.482
99.505
99.48
10
buna
99.472
99.448
99.450
99.402
11
songket
93.903
93.615
93.159
92.720
12
lambi
99.916
99.913
99.895
99.101
13
mowak
98.619
98.580
98.501
98.443
14
mengeer
97.283
97.261
97.110
97.008
15
rote
99.225
99.216
99.223
99.191
16
endelio
98.078
97.967
97.632
97.523
17
sima
99.555
99.549
99.465
99.463
18
lave
99.171
99.156
99.115
99.108
19
kemumu
99.479
99.470
99.441
99.447
20
sumba
98.368
98.349
98.158
98.161
rata-rata
98.607
98.561
98.475
98.378
6789+:+;<89=
(7)
(8)
(9)
Level 2
Ukuran
Daub4
Haar
Daub4
Haar
Precision
80.00
75.00
80.00
75.00
Recall
35.56
33.33
35.56
33.33
Accuracy
57.78
54.17
57.78
54.17
T-162
4.2 Saran
Sebagai saran untuk penelitian selanjutnya,
adalah dapat dikembangkan metode segmentasi dan
klusterisasi yang berhubungan dengan histogram dan
dikombinasikan dengan Wavelet Daubechies
leveling untuk meningkatkan akurasi perhitungan.
Penggunaan metode perhitungan kemiripan lain
seperti, Canberra distance menjadi perbandingan
selain jarak Euclidean.
5.
DAFTAR PUSTAKA
T-163