ANALISIS PERFORMA ALGORITMA FUZZY MAMDANI-PSO DALAM KLASIFIKASI MOTIF BATIK BERBASIS FITUR TEKSTUR

Abstract

Batik merupakan warisan budaya Indonesia yang memiliki ragam motif dengan pola dan tekstur kompleks, sehingga berpotensi dianalisis menggunakan pengolahan citra digital. Permasalahan dalam klasifikasi motif batik muncul karena beberapa motif memiliki kemiripan tekstur, bentuk berulang, serta variasi visual yang dapat menyebabkan kesalahan pengenalan. Penelitian ini bertujuan menganalisis performa algoritma Fuzzy Mamdani yang dioptimalkan menggunakan Particle Swarm Optimization (PSO) dalam klasifikasi motif batik berbasis fitur tekstur. Data yang digunakan berjumlah 1.820 citra dari tiga kelas motif, yaitu Kawung, Mega Mendung, dan Parang. Tahapan penelitian meliputi pre-processing citra dengan resize 128 × 128 piksel, konversi grayscale, peningkatan kontras menggunakan CLAHE, ekstraksi fitur tekstur menggunakan Gray Level Co-occurrence Matrix (GLCM) dengan parameter contrast, correlation, energy, dan homogeneity, serta klasifikasi menggunakan Fuzzy Mamdani-PSO. Data dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian menunjukkan nilai accuracy sebesar 46,98%, precision 43,50%, recall 46,98%, dan F1-score 43,09%. Hasil tersebut menunjukkan bahwa Fuzzy Mamdani-PSO dapat diterapkan, tetapi performanya masih perlu ditingkatkan