Penelitian ini bertujuan untuk menganalisis pengaruh variasi jarak pengambilan
gambar terhadap akurasi klasifikasi kualitas kain batik tradisional menggunakan
metode K-Nearest Neighbor (K-NN) dengan ekstraksi fitur tekstur menggunakan
Gray Level Co-occurrence Matrix (GLCM). Data yang digunakan terdiri dari lima
jenis motif batik, yaitu Motif Daun dan Lereng Oranye, Motif Bunga Teratai Air
Toska, Motif Ikat Bunga Merah Hitam, Motif Bunga Puspa Langit, dan Motif
Awan Cakra Dirgantara. Total dataset berjumlah 35 citra, dengan pembagian 5
citra sebagai data latih dan 30 citra sebagai data uji untuk setiap motif. Setiap kain
batik difoto dari enam variasi jarak potret, yaitu 10 cm, 20 cm, 30 cm, 40 cm, 50
cm, dan 60 cm, menggunakan kamera iPad Pro 12.9. Semua citra mengalami
proses preprocessing berupa cropping, resizing, konversi ke grayscale, dan
kuantisasi 8-level, sebelum dilakukan ekstraksi fitur GLCM. Hasil eksperimen
menunjukkan bahwa jarak pengambilan 30 cm memberikan akurasi tertinggi
sebesar 100%. Pada jarak 10 cm dan 20 cm, akurasi masing-masing sebesar 80%.
Sementara itu, pada jarak 40 cm dan 50 cm akurasi menurun menjadi 60%, dan
pada jarak 60 cm akurasi menurun drastis menjadi 40%. Temuan ini menunjukkan
bahwa semakin jauh jarak potret dari kain batik, maka semakin berkurang
ketajaman detail tekstur yang tertangkap oleh kamera, yang berdampak pada
penurunan akurasi klasifikasi. Oleh karena itu, jarak optimal untuk pengambilan
gambar batik dalam sistem identifikasi kualitas berbasis citra adalah 30 cm.
Kata Kunci : Batik, GLCM, K-Nearest Neighbor, Identifikasi Citra, Jarak
Kamera