Klasifikasi Motif Batik Tradisional Mataraman Menggunakan CNN

Abstrak

Batik merupakan salah satu warisan budaya Indonesia yang memiliki makna seni dan filosofi yang mendalam, terutama pada motif-motif tradisional dari daerah Mataraman. Keunikan motif batik yang sangat beragam, baik dari segi pola maupun warna, menjadikannya sebuah tantangan dalam identifikasi otomatis, terutama menggunakan teknologi pengolahan citra digital. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi model Convolutional Neural Network (CNN) untuk mengklasifikasikan empat jenis motif batik Mataraman, yaitu Keraton, Sekar, Sogan, dan Tambal, yang menggunakan citra berwarna RGB. Dataset yang digunakan dalam penelitian ini terdiri dari 188 gambar asli yang kemudian diaugmentasi menjadi 752 gambar, yang kemudian dibagi secara proporsional menjadi set pelatihan, validasi, dan pengujian. Model CNN yang dikembangkan menggunakan arsitektur sequential yang terdiri dari beberapa lapisan konvolusional, max pooling, dropout, dan lapisan output softmax untuk klasifikasi multikelas. Model ini berhasil mencapai akurasi validasi sebesar 72 persen, dengan kinerja terbaik ditemukan pada motif Sekar, sedangkan akurasi terendah ditemukan pada motif Sogan. Hasil penelitian ini menunjukkan bahwa fitur warna memiliki peran yang sangat penting dalam membedakan motif-motif batik yang memiliki kemiripan bentuk, namun memiliki perbedaan pada aspek warna. Penelitian ini juga menyoroti pentingnya teknik augmentasi data yang tepat untuk meningkatkan kinerja model dalam klasifikasi motif batik. Potensi penggunaan metode CNN untuk klasifikasi batik ini dapat diterapkan lebih lanjut untuk pengembangan sistem pengenalan motif batik secara otomatis.

Identifier

• OpenAlex: https://openalex.org/W4414717734
• DOI: https://doi.org/10.33005/santika.v5i1.567