Klasifikasi Motif Batik dengan Menggunakan Algoritma Deep Learning

Merlindawibowo.com – Batik adalah warisan budaya Indonesia yang disebabkan tidak hanya oleh batik itu sendiri tetapi juga oleh teknik pembuatannya. Batik pada awalnya merupakan bentuk seni bangsawan Jawa. Namun, ada anggapan bahwa batik populer tidak hanya di kalangan bangsawan tetapi juga di kalangan masyarakat biasa. Dibutuhkan keterampilan dalam mengolahnya dalam membatik karena diperlukan alat dengan nama canting dan hanya dapat dilakukan oleh wanita. Melalui rasa visual dan sentuhan kain batik dimana makna sejarah dan budaya dapat disampaikan dari generasi ke generasi, diwariskan dan dilestarikan. Selain itu, Batik mengandung nilai sosial, budaya dan ekonomi yang melindungi harkat dan martabat bangsa Indonesia, dan batik merupakan salah satu identitas bangsa.

Pengertian dan Jenis Motif Batik

Batik memiliki nilai seni yang tinggi dan merupakan warisan nenek moyang yang  telah  menjadi bagian dari budaya Indonesia (khususnya Jawa). Kata “batik” berasal dari kata Jawa “tik” yang berarti “titik/matik” (kata kerja, membuat titik), yang kemudian berkembang menjadi batik. Salah satu bentuk seni kuno untuk mewarnai kain batik adalah teknik celup blok menggunakan lilin. Menurut Kamus Besar Bahasa Indonesia, batik adalah kain lukis yang dibuat khusus yang digunakan atau dililin dan diselesaikan melalui proses tertentu. Batik merupakan salah satu kerajinan dan warisan budaya Indonesia yang memiliki nilai seni dan ekonomi yang tinggi. Batik adalah kerajinan berbentuk kain dengan motif tertentu, biasanya digunakan sebagai bahan  pakaian. Batik juga diakui oleh United Nations Educational, Scientific and Cultural Organization (UNESCO) pada tahun 2009. Batik memiliki banyak motif yang unik. Motif batik sangat beragam, terutama pada batik tulis, karena dibuat oleh ahli batik. Berikut lima jenis motif batik yang paling umum digunakan yaitu Ceplok, Kawung, Parang, Megamendung dan Sidomukti. 

Batik memiliki makna yang sangat dalam dan motifnya yang beragam. Hampir setiap daerah  di Indonesia memiliki motif khasnya sendiri dan banyak seniman yang mengembangkan motif baru untuk membuat batik tetap berkembang dan berkelanjutan dari generasi ke generasi. Namun, banyak orang Indonesia modern yang tidak mengetahui jenis dan klasifikasi batik yang mereka gunakan. Bahkan ada yang sekedar menggunakan batik karena diklasifikasikan oleh nenek moyang mereka. Selain itu, sebagian besar pengetahuan tentang itu tidak selalu diturunkan kepada anak cucu mereka. Sehingga, citra batik perlu diklasifikasikan karena memiliki motif yang berbeda, dapat diambil dari berbagai macam sumber, dan motif batik terus berkembang dari waktu ke waktu agar pengetahuan mengenai Batik sendiri tidak terputus atau berhenti.

Baca juga : Klasifikasi Citra Menggunakan Transfer Learning dan CNN

Baca juga : Batik Bali

Klasifikasi Motif Batik Dengan Deep Learning

Tantangan klasifikasi tidak hanya berasal dari beragamnya motif batik, namun masalah pada citra batik yang memiliki berbagai kondisi karena dapat berasal dari internet atau hasil jepretan sendiri juga melatarbelakangi dibutuhkannya teknologi yang dapat melakukan klasifikasi batik. Misalnya, citra batik dapat ditemukan di internet dalam berbagai skala dan resolusi. Ini terjadi karena tidak memiliki kendali atas citra batik yang diunggah. Salah satu teknologi yang dapat digunakan adalah penerapan dari Artificial Intelligence khususnya pada algoritma deep learning seperti Convolutional Neural Network (CNN). Deep learning dapat memecahkan masalah inti pembelajaran representasi dengan memperkenalkan representasi yang diekspresikan dalam bentuk representasi sederhana lainnya. Pembelajaran mendalam memungkinkan komputer untuk menghasilkan konsep kompleks dari yang lebih sederhana. Pembelajaran mendalam adalah cabang bidang pembelajaran mesin yang menggunakan jaringan saraf tiruan untuk memecahkan masalah pada kumpulan data besar. Teknik pembelajaran yang mendalam menyediakan arsitektur yang sangat kuat untuk pembelajaran yang diawasi dengan menambahkan lapisan tambahan, model pelatihan dapat mewakili citra yang diberi label dengan baik.

Convolutional Neural Network (CNN)

CNN merupakan salah satu algoritma deep learning yang merepresentasikan perkembangan multi-layer perceptrons (MLP). CNN memiliki kemampuan untuk mendeteksi dan mengenali objek dalam sebuah citra, juga dapat mengungguli metode tradisional dalam visi komputer dan tugas pengenalan pola, seperti deteksi objek, klasifikasi, segmentasi citra, dan pengenalan teks. CNN dapat digunakan untuk mengklasifikasikan data berlabel yang mewakili neuronnya dalam format dua dimensi. Oleh karena itu, CNN merupakan salah satu model yang paling populer dan akurat yang diimplementasikan dalam klasifikasi citra. Beberapa penelitian telah melakukan klasifikasi motif batik menggunakan CNN dan menghasilkan akurasi yang cukup tinggi. Sehingga, berdasarkan penelitian telah dilakukan menunjukkan bahwa model CNN dapat digunakan untuk klasifikasi batik namun model CNN yang dibuat sendiri belum dapat memperoleh akurasi yang andal dalam klasifikasi batik.