ANALISIS DAN IMPLEMENTASI JARINGAN SARAF TIRUAN DENGAN METODE LEARNING VECTOR QUANTIZATION (LVQ) UNTUK PENGENALAN MOTIF BATIK NUSANTARA

Abstract

Batik Nusantara merupakan salah satu warisan budaya Indonesia yang kaya akan keanekaragaman motif. Pengenalan motif batik secara otomatis memiliki tantangan tersendiri, terutama terkait dengan variasi bentuk, warna, dan ukuran yang terkandung dalam motif batik tersebut. Penelitian ini mengimplementasikan metode Learning Vector Quantization (LVQ) pada jaringan saraf tiruan (JST) untuk mengenali pola-pola motif batik Nusantara. LVQ dipilih karena kemampuannya dalam melakukan klasifikasi pola dengan akurasi yang tinggi serta kemudahan dalam memodelkan data berbasis vektor. Dataset yang digunakan dalam penelitian ini terdiri dari gambar-gambar motif batik yang telah diproses dan diekstraksi fitur- fitur utama, seperti warna dan tekstur, melalui teknik pengolahan citra. Jaringan saraf tiruan yang dibangun kemudian dilatih menggunakan algoritma LVQ untuk mengenali dan mengklasifikasikan motif batik berdasarkan fitur-fitur tersebut. Hasil eksperimen menunjukkan bahwa implementasi LVQ dapat mengklasifikasikan motif batik Nusantara dengan akurasi yang memadai, sehingga dapat diterapkan dalam berbagai aplikasi, seperti sistem identifikasi batik dan pelestarian budaya lokal. Penelitian ini diharapkan memberikan kontribusi terhadap preservasi dan digitalisasi kekayaan budaya Indonesia dengan memanfaatkan teknologi modern.