Deteksi Citra dan Klasifikasi Batik Madura Tulis dan Cetak Menggunakan CNN dan One Point Minutiae
Indonesia
DOI:
https://doi.org/10.33005/santika.v5i1.748Keywords:
batik madura, cnn, one point minutiae, Klasifikasi Citra, pelestarian budayaAbstract
Batik Madura memiliki ciri khas tersendiri dalam warna dan motif, namun batik ini masih kurang dikenal dibandingkan batik dari daerah lain. Pada penelitian ini bertujuan membangun sistem klasifikasi batik berbasis citra menggunakan metode Convolutional Neural Network (CNN) dan One Point Minutiae (OPM) untuk mendeteksi asal batik dan teknik pembuatannya. CNN digunakan untuk mengelompokkan batik Madura dan non-Madura melalui fitur warna dan motif, sementara itu OPM membedakan batik tulis dan cap berdasarkan deteksi bifurkasi pada hasil deteksi tepi. Dataset pada penelitian ini diperoleh dari Kaggle dan e-commerce, kemudian dilakukan augmentasi berupa cropping, resize, brightness, dan deteksi tepi. Model CNN dengan arsitektur MobileNetV2 menghasilkan akurasi 86,67% pada klasifikasi warna dan 80% pada motif. Model OPM mencapai akurasi 63%, dengan recall tertinggi 82% untuk batik cap. Sistem diimplementasikan menggunakan GUI untuk memudahkan pengguna melakukan testing. Hasil menunjukkan bahwa kombinasi antara CNN dan OPM sangat cocok untuk klasifikasi citra Batik Madura.
References
S. Sayyida and N. Zakki, “KEBANGGAAN TERHADAP BATIK MADURA BAGI WARGA SUMENEP,” PERFORMANCE “ Jurnal Bisnis & Akuntansi,” vol. 4, no. 2, Sep. 2014, doi: 10.24929/feb.v4i2.82.
R. A. S. Suminto, “BATIK MADURA: Menilik Ciri Khas dan Makna Filosofinya,” CORAK, vol. 4, no. 1, May 2015, doi: 10.24821/corak.v4i1.2356.
D. Deslianti and P. Pahrizal, “Pengenalan Motif Batik Besurek Menggunakan Teknologi Augmented Reality Berbasis Android,” JSAI (Journal Scientific and Applied Informatics), vol. 4, no. 2, pp. 199–203, Jul. 2021, doi: 10.36085/jsai.v4i2.1702.
A. R. Dani and I. Handayani, “Klasifikasi Motif Batik Yogyakarta Menggunakan Metode GLCM dan CNN,” Jurnal Teknologi Terpadu, vol. 10, no. 2, pp. 142–156, Dec. 2024, doi: 10.54914/jtt.v10i2.1451.
K. Azmi, S. Defit, and S. Sumijan, “Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat,” JURNAL UNITEK, vol. 16, no. 1, pp. 28–40, Jun. 2023, doi: 10.52072/unitek.v16i1.504.
R. R. Imelda, “Pengenalan Motif Batik Pandeglang Menggunakan Deteksi Tepi Canny dan Metode K-NN Berbasis Android,” Respati, vol. 16, no. 2, p. 83, Jul. 2021, doi: 10.35842/jtir.v16i2.404.
I. R. Wijaya, “Analisis dan Implementasi Metode Gabor Filter dan Support Vector Machine pada Klasifikasi Sidik Jari,” Indonesian Journal on Computing (Indo-JC), vol. 2, no. 2, p. 37, Nov. 2017, doi: 10.21108/indojc.2017.2.2.176._
