Deteksi Citra dan Klasifikasi Batik Madura Tulis dan Cetak Menggunakan CNN dan One Point Minutiae

Abstrak

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.

Identifier

• OpenAlex: https://openalex.org/W4414717785
• DOI: https://doi.org/10.33005/santika.v5i1.748