Klasifikasi jenis kain secara manual berdasarkan karakteristik tekstur melalui pengamatan dan perabaan dapat bersifat subjektif, sehingga diperlukan pendekatan otomatis berbasis citra. Penelitian ini bertujuan mengklasifikasikan lima jenis kain, yaitu drill, katun, polyester, satin, dan wool, berdasarkan karakteristik tekstur menggunakan metode Gray Level Co-Occurrence Matrix (GLCM) dan algoritma K-Nearest Neighbor (K-NN). Citra kain diperoleh menggunakan mikroskop digital yang terhubung dengan komputer. Tahapan pengolahan citra meliputi resizing dan konversi citra RGB menjadi grayscale. Ekstraksi fitur tekstur menggunakan enam fitur GLCM, yaitu dissimilarity, homogeneity, correlation, contrast, angular second moment (ASM), dan energy, dengan empat orientasi, yaitu 0°, 45°, 90°, dan 135°. Pengujian dilakukan menggunakan 250 citra data latih dan 50 citra data uji dengan variasi jarak piksel 1–5 dan nilai K=13. Hasil pengujian menunjukkan bahwa kinerja terbaik diperoleh pada jarak 4 piksel dengan akurasi 78%, precision 46%, recall 46%, dan F1-score 46%. Waktu komputasi tercepat diperoleh pada jarak 4 sebesar 0,044 detik, dengan rata-rata waktu pengujian sebesar 0,047 detik. Hasil penelitian menunjukkan bahwa kombinasi GLCM dan K-NN dapat digunakan untuk klasifikasi jenis kain berbasis karakteristik tekstur citra.
Copyrights © 2026