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.
