Klasifaksi Batik Madura Menggunakan Metode Support Vector Machine Dengan Fitur GLCM

Keanekaragaman motif dan warna pada batik Madura tidak hanya memperkaya budaya Nusantara, tetapi juga memperkuat identitas masyarakat setempat. Namun, hingga kini, Indonesia belum memiliki sistem dokumentasi dan klasifikasi yang sistematis untuk berbagai motif batik dari berbagai daerah. Padahal, sistem semacam ini dapat menjadi referensi penting bagi kepentingan akademis, industri, maupun budaya. Oleh karena itu, diperlukan sistem otomatis yang mampu mengidentifikasi motif dan corak batik guna mempermudah penentuan asal-usul batik berdasarkan pola dan cirinya. Penelitian ini menerapkan metode Support Vector Machine (SVM) untuk mengklasifikasikan motif batik Madura, batik cap (non-Madura), serta non-batik. Dataset yang digunakan terdiri dari 50 sampel yang terbagi dalam lima kelas, dengan masing-masing kelas memiliki 10 sampel. Proses augmentasi data dilakukan menggunakan dua teknik, yaitu random brightness contrast dan hue saturation value untuk penyesuaian pencahayaan. Selain itu, tiga jenis kernel SVM, yaitu linear, polynomial, dan radial basis function (RBF), digunakan dengan berbagai rasio pembagian data pelatihan dan pengujian (60:40, 70:30, 80:20, dan 90:10). Hasil eksperimen menunjukkan bahwa metode yang digunakan mampu mengklasifikasikan batik dengan tingkat akurasi akhir sebesar 88% pada pengujian menggunakan input gambar. Namun, untuk meningkatkan akurasi model, jumlah dataset perlu diperbanyak agar sistem dapat mengenali motif batik dengan lebih baik.