Pengembangan Aplikasi Repositori Pengenalan Motif Batik Indonesia

1.Abstract

Batik adalah metode dekorasi tekstil yang telah dilakukan sejak lama di beberapa bagian negara Asia. Indonesia termasuk salah satu pelopor bagi teknik membatik yang bermula dari Pulau Jawa, hingga akhirnya menyebar ke negara-negara Eropa. Perpaduan antara motif batik dengan kreasi teknik pewarnaan menghasilkan hasil karya seni batik yang indah dan menjadikan industri batik Indonesia berkembang pesat hingga merambah pasar manca negara. Hal ini mendorong kreatifitas para desainer untuk memadu padankan dengan motif-motif batik yang sudah ada sehingga banyak bermunculan motif-motif baru dan diaplikasikan pada karya seni batik. Untuk menjaga kelestarian budaya batik sangat diperlukan adanya dokumentasi digital yang memuat motif-motif batik dari pola geometris dan non geometris. Pemanfaatan teknologi informasi dalam bentuk sistem repositori motif batik dapat mendukung industri kreatif karena sistem ini nantinya dapat dijadikan sebagai acuan bagi perkembangan elemen-elemen desain motif batik.

Usulan penelitian pengenalan motif batik dengan luaran berupa prototype sistem dan aplikasi repositori motif batik, khususnya pola geometris. Tahapan penelitian diawali dengan studi mendalam tentang karakteristik motif batik yang bersifat simetri, multiple occurrences, invarian terhadap translasi, skala, dan rotasi. Pengembangan algoritma berdasarkan metode ekstraksi fitur SIFT dan post processing berupa voting Hough Transform dan clustering DBSCAN didasarkan pada permasalahan utama yang dihadapi dalam pengenalan motif batik. Adanya kemiripan motif dan kemunculan suatu motif secara berulang dengan lokasi, skala, dan orientasi yang berbeda dapat menyebabkan adanya kesalahan pengenalan dan kesalahan klasifikasi. Oleh karenanya proses pencocokan deskriptor citra yang diperoleh melalui ekstraksi fitur, harus dapat dilakukan dengan baik sehingga kualitas pengenalan motif batik menjadi lebih baik.

Pada akhir penelitian ini diharapkan dapat menghasilkan aplikasi repositori pengenalan motif batik Indonesia yang mampu menampung motif batik dengan jumlah yang besar dan dapat diakses melalui PC, laptop, smartphone, dan gadget lainnya. Kehandalan sistem dalam melakukan pengenalan diindikasikan dengan ketepatan dalam menentukan jumlah obyek yang terdapat pada citra query dan mampu mengenali obyek motif walaupun telah mengalami transformasi geometris melalui perpindahan posisi, rasio skala, dan perubahan orientasi.

2.Keywords
Batik, motif, ekstraksi fitur, SIFT, pencocokan keypoint, voting keypoint, ruang Hough, clustering, DBSCAN
3.Objective

  • Membangun model dan algoritma yang mampu melakukan pengenalan motif batik geometris secara akurat dan efisien berdasarkan karakteristik motif batik dengan kemunculan obyek motif yang berulang di berbagai lokasi, obyek yang telah mengalami pergeseran, perbedaan skala, dan perubahan rotasi.

  • Menganalisa metode ekstraksi fitur SIFT untuk mengambil fitur-fitur yang sesuai dari citra batik.

  • Menganalisa algoritma clustering yang paling sesuai dan memiliki kinerja terbaik. Hal ini perlu dilakukan dalam penerapannya pada keypoint yang telah melalui proses voting dan diproyeksikan pada ruang Hough.

  • Melakukan evaluasi terhadap beberapa cluster yang ditemukan melalui proses sebelumnya dan merepresentasikan banyaknya obyek yang terkandung pada citra batik.

  • Membangun aplikasi repositori pengenalan motif batik berdasarkan metode ekstraksi fitur SIFT. Sistem ini harus mampu bekerja pada berbagai kondisi dan mampu beradaptasi terhadap perubahan lingkungan sistem aplikasi. Lebih jauh lagi metode ini haruslah handal untuk melakukan pengenalan motif batik yang bersifat invarian terhadap lokasi, skala, rotasi, dan pengulangan obyek yang sama. Aplikasi ini diakses melalui koneksi internet melalui PC, laptop, dan gadget-gadget lainnya.

4.Methodology

Tahapan deteksi obyek motif batik terdiri dari dua bagian yaitu fase pelatihan dan fase pengenalan.

  1. Fase Pelatihan

Pada fase pelatihan dilakukan proses ektraksi fitur citra template. Pada penelitian ini deskriptor SIFT digunakan sebagai deskriptor utama patch citra batik. Pembentukan model basis data dilakukan berdasarkan citra template dan keypoint citra template secara otomatis selama fase pelatihan. Proses ekstraksi fitur terdiri dari dua tahapan yang terpisah yaitu pre-processing dan proses ekstraksi fitur itu sendiri. Pada tahap pelatihan ini dilakukan proses ekstraksi fitur untuk citra template. Proses ekstraksi fitur ini menghasilkan deskriptor SIFT berupa keypoint.

  1. Fase Pengenalan

Fase pengenalan diawali dengan proses ekstraksi fitur terhadap kueri, dimana akuisi citra kueri dan proses ekstraksi fitur yang dilakukan sama dengan yang telah dilakukan terhadap citra template. Selanjutnya deskriptor hasil ekstraksi citra kueri dicocokkan dan dibandingkan dengan representasi deskriptor citra template. Pembentukan hipotesa untuk deteksi obyek dilakukan dengan memanfaatkan korespondensi berdasarkan voting pada ruang Hough. Algoritma yang memproyeksikan voting keypoint ke ruang Hough memberikan estimasi jumlah obyek yang ditemukan pada citra kueri. Jumlah obyek motif batik ditentukan berdasarkan deteksi peak yang signifikan pada ruang Hough.

5.Team

Muhammad Ivan Fanany, M.Eng, Ph.D

Prof. Dr. Ir. Aniati Murni Arymurthy, M.Sc.

Dr. Ida Nurhaida, ST., MT.

Remmy A. M. Zen, M.Kom

Hadaiq R. Sanabila, M.Kom

Hisyam Fahmi, M.Kom

6.Computation plan (required processor core hours, data storage, software, etc)

Quadcore Intel Xeon (atau yang terbaru)

RAM 256 GB

Storage 20 TB

OS Windows Server 2012 Standard (lisensi tersedia)

MatLab R2008 (lisensi tersedia)

7.Source of funding
Direktorat Jenderal Penguatan Riset Dan Pengembangan; Kementerian Riset, Teknologi, dan Pendidikan Tinggi RI
8.Target/outputs
Publikasi ilmiah pada Jurnal Internasional dengan index Scopus sebanyak 3 paper Aplikasi Pengenalan Motif Batik Indonesia Menggunakan Sistem Repositori
9.Date of usage
01/03/2016 - 31/12/2017
10.Gpu usage
-
11.Supporting files
12.Created at
01/01/1970
13.Approval status
approved