<![CDATA[Klasifikasi motif batik merupakan masalah pengenalan pola tekstur (fine-grained) yang dipengaruhi kualitas citra, fungsi kemiripan (similarity), dan strategi generalisasi model. Artikel ini menyajikan tinjauan sistematis berbasis PRISMA 2020 dengan fokus pada reduksi noise Gaussian, pendekatan kernel similarity, dan ensemble learning berbasis voting classifier. Sumber studi berasal dari tiga berkas bibliografi jejaring sitasi (Connected Papers) serta satu penambahan manual. Sebanyak 121 rekaman teridentifikasi; setelah penghapusan duplikasi (n=4) dan penyaringan judul-abstrak, 48 studi diikutkan dalam sintesis. Pemetaan menunjukkan dominasi metode CNN/deep learning dan fitur tekstur klasik (mis. GLCM) dengan pengklasifikasi KNN/SVM. Fokus kernel similarity muncul pada 7 studi, sedangkan ensemble/voting hanya pada 3 studi, reduksi noise Gaussian tidak muncul sebagai fokus eksplisit pada metadata (n=0). Temuan ini menegaskan gap pada evaluasi lintas-domain (daerah/kain/perangkat), benchmark robustness terhadap variasi pencahayaan/noise, penanganan ketidakseimbangan kelas, serta interpretabilitas model.]]>
Copyrights © 2026
