identifikasi batik melalui perulangan motif dengan

Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019

Yogyakarta, 08 Oktober 2019 eISSN 2715-7814

B1-1

IDENTIFIKASI BATIK MELALUI PERULANGAN MOTIF DENGAN ANALISIS

CITRA DIGITAL

Batik Identification Trough Motive Repetition trough Digital Image Analysis

Joni Setiawan¹, Vivin Atika2, Guring Briegel Mandegani3, Masiswo4, Agus Haerudin5, Paras

Trapsiladi6, Zohanto Widyantoko7, Ulfi Khabibah8, Nikmah Widiharini9, Rony Wijaya10, dan

Memory Motivanisman Waruwu11

¹,2,3,4,5,6,7,8,9Balai Besar Kerajinan dan Batik, Jl. Kusumanegara No 7 Yogyakarta 55166

10,11Departemen Teknik Nuklir dan Teknik Fisika, Universitas Gadjah Mada, Jl. Grafika

Korenspondesi Penulis

Email : [email protected]

Kata kunci: identifikasi, ciri, batik, citra digital

Keywords: identification, characteristic, batik, digital image

ABSTRAK

Perlindungan batik sebagai warisan budaya bangsa Indonesia terus dilakukan. Berawal dari

munculnya produk tekstil bermotif batik, dipandang perlu pengaturan batik dengan standardisasi.

Batik diatur dalam SNI 0239:2014 Batik – Pengertian dan istilah. SNI ini merupakan revisi dari SNI –

SNI yang sebelumnya. Tekstil bermotif batik tidak dapat disebut sebagai batik karena proses

pembuatannya melalui proses printing. Perkembangan produk tekstil bermotif batik semakin

mengkhawatirkan bagi keberlangsungan batik. Produk tekstil bermotif batik mempunyai harga

yang lebih murah jika dibandingkan dengan batik yang asli. Proses identifikasi yang selama ini

dilakukan adalah identifikasi ciri secara visual oleh tenaga ahli. Penelitian ini bertujuan untuk

mendapatkan metode analisis visual dari citra digital untuk membantu mengidentifikasi batik dan

tekstil bermotif batik melalui ciri perulangan motif. Metode yang digunakan dalam penelitian ini

adalah persiapan sampel batik dan tekstil bermotif batik, penentuan parameter pembeda,

pengambilan citra digital, pembangunan software, evaluasi dan pengembangan software.

Parameter yang digunakan dengan mengidentifikasi perulangan motif. Pengembangan software

identifikasi keterulangan motif menggunakan software identifikasi batik. Hasil yang diperoleh

menunjukkan bahwa terdapat perbedaan perulangan motif antara batik tulis, batik cap, batik

kombinasi serta tekstil motif batik yang dapat diidentifikasi oleh software.

ABSTRACT

Protection of batik as an Indonesian cultural heritage continues. Starting from the emergence of batik

patterned textile products, it is deemed necessary to regulate batik by standardization. Batik is

regulated in SNI 0239: 2014 Batik - Definition and terms. This SNI is a revision of the previous SNIs.

Batik with batik motifs cannot be called batik because the manufacturing process is through the

printing process. The development of batik-patterned textile products is increasingly worrying for the

sustainability of batik. Batik textile products have a cheaper price compared to the original batik. The



B1-2

identification process that has been carried out so far is the identification of visual characteristics by

experts. This study aims to obtain a method of visual analysis of digital imagery to help identify batik

and batik patterned textiles through motif repetition characteristics. The methods used in this study

were batik sample preparation and batik patterned textiles, determination of distinguishing

parameters, digital image retrieval, software development, evaluation and software development.

Parameters used by identifying repetition of motives. Motive repetition identification software

development using identification batik software. The results obtained indicate that there are

differences in the repetition of motifs between written batik, printed batik, combination batik and

batik imitations that can be identified by the software.



B1-3

PENDAHULUAN

Batik merupakan warisan budaya bangsa Indonesia yang perlu dilestarikan dan

dikembangkan. Batik tidak hanya diakui di Indonesia namun telah diakui oleh dunia melalui

pengakuan oleh UNESCO pada tanggal 2 Oktober 2009. Dengan pengakuan ini, memberikan

dampak positif bagi industry batik di tanah air. Tidak hanya pada daerah yang mempunyai

sejarah batik seperji Jogja, Solo, Pekalongan, Cirebon, sekarang sudah tumbuh sentra –

sentra baru yang tersebar di seluruh penjuru tanah air, bahkan sampai Papua. Minat akan

batik juga lebih luas. Perkembangan motif batik dan mode fashion menyebabkan batik tidak

hanya digemari oleh kalangan dewasa, namun kalangan milenial juga mulai menyukai batik.

Konsumen batik yang meluas pada berbagai kalangan, baik generasi muda maupun tua.

Hal tersebut menyebabkan permintaan produksi batik menjadi meningkat. Batik selain

merupakan produk budaya juga merupakan produk industri sehingga produsen batik terus

mengembangkan produktifitas perusahaannya. Proses pembuatan batik yang semula

menggunakan canting tulis yang disebut batik tulis, kemudian berkembang mencari batik

cap yaitu kain batik yang diproses menggunakan canting cap sebagai alat utama pelekatan

malam. Seiring dengan meningkatnya permintaan batik, produsen mulai mengadopsi

teknologi tekstil karena pertimbangan efisiensi waktu dan kuantitas produk. Meskipun biaya

investasi lebih besar, tetapi harga jual lebih ekonomis jika dibandingkan dengan produk

batik hasil proses sebelumnya. Akibatnya banyak produk serupa batik bermunculan dan

menyerbu pasar lokal. Hal ini mengancam produsen batik tulis dan cap, yang masih bertahan

dengan proses pembatikan tradisional. Selain itu, proses modifikasi tersebut tidak sesuai

dengan definisi batik yang telah ditetapkan, baik dalam SNI maupun piagam UNESCO.

Produk ini kemudian diistilahkan tekstil bermotif batik.

Sebagian besar masyarakat Indonesia belum menyadari bahwa tekstil bermotif batik

yang ada di pasaran berbeda proses pembuatannya dari batik tulis dan batik cap. Pada

tahun 1980an ditengarai munculnya produk tekstil bermotif batik dari China dengan

teknologi printing sebagai teknologi pembuatannya. Hal ini memunculkan keprihatinan

pemerintah dalam melindungi batik tradisional. Pada tahun 1989 ditetapkan SNI 08-0517-

1989 Ciri tekstil bermotif batik. Kain yang mirip dengan batik namun tidak melalui proses

batik disebut dengan tekstil bermotif batik. Dengan labelisasi pada kain yang diproduksi

diharapkan dapat memperjelas produk yang dijual di masyarakat. Namun terkadang

produsen tidak mau melabeli produknya sesuai dengan kenyataanya. Produk yang

seharusnya termasuk kategori tekstil bermotif batik, dipasang label batik, sehingga

konsumen merasa tertipu dengan produk tekstil bermotif batik ini.

Upaya lain yang ditempuh oleh pemerintah yaitu dengan pemberlakuan Peraturan

Menteri Perindustrian Nomor 74 tahun 2007 tentang Penggunaan Batikmark “batik

Indonesia” pada Batik Buatan Indonesia ditujukan untuk memberikan jaminan mutu batik

Indonesia sehingga kepercayaan konsumen dalam negeri maupun luar negeri terhadap

mutu batik Indonesia dapat meningkat. Tidak cukup sampai disitu, demi melindungi batik



B1-4

tradisional pada tahun 2016 dengan telah disahkan SNI 8302:2016, Batik tulis – Kain – Ciri,

syarat mutu dan metode uji, SNI 8303:2016, Batik cap – Kain – Ciri, syarat mutu dan metode

uji, dan SNI 8304:2016, Batik kombinasi – Kain – Ciri, syarat mutu dan metode uji. Dengan 3

(tiga) SNI tersebut konsumen dapat mengetahui ciri batik serta kualitas batik sesuai dengan

standar.

Permasalahan-permasalahan yang dihadapi dalam penerapan standardisasi batik

diantaranya adalah sertifikasi batikmark dan SNI batik masih diberlakukan secara sukarela.

Sehingga tidak ada kewajiban bagi industry batik untuk mendaftarkan agar tersertifikasi

batikmark ataupun SNI. Kenakalan produsen dalam melabeli produk tekstil motif batik

dengan label batik telah merugikan konsumen. Ini disebabkan kurangnya pengetahuan

konsumen akan perbedaan kedua produk batik dan tekstil bermotif batik, sehingga tidak

tepat dalam membeli batik. Batik yang didapatkan terkadang tidak sesuai dengan produk

yang dihendaki. Bagi konsumen, ini merupakan suatu hal yang merugikan.

Balai Besar Kerajinan dan Batik sebagai lembaga uji batik dan lembaga sertifikasi

batikmark serta SNI mempunyai tugas mengidentifikasi sampel uji yang diambil oleh

petugas pengambil contoh di industry yang mengajukan sertifikasi batikmark maupun SNI,

memiliki cara identifikasi berdasarkan ciri yang terdapat dalam SNI. Sekalipun telah

mempunyai tenaga ahli atau tim evaluator batik, terkadang produk yang diidentifikasi sulit

dibedakan apakah itu batik atau tekstil bermotif batik. Salah satu parameter yang terdapat

dalam SNI 8302:2016 Batik tulis – Ciri, syarat mutu dan metode uji adalah keterulangan

motif. Jika batik tulis maka keterulangan motif itu dapat diidentifikasi, nilai kemiripannya

diduga paling rendah jika dibandingkan dengan batik cap atau tekstil bermotif batik. Dengan

asumsi bahwa batik tulis itu ditulis dengan tangan, sehingga konsistensi penggoresan malam

dari motif satu dengan motif yang lainnya tidak konsisten. Batik cap diperoleh dari hasil

pengecapan malam dari canting cap, sehingga motifnya akan selalu berulang di tempat lain.

Untuk tekstil bermotif batik, motif dapat berulang atau tidak berulang tergantung dari

desain yang dibuat. Proses pembuatan tekstil bermotif batik adalah menggunakan screen

sebagai alat pelekatan warna dan desain dibuat dengan bantuan komputer, sehingga

kemiripan motif yang ada diduga akan sangat mirip dengan motif di lain tempat pada kain

yang sama maupun kain yang berbeda. Berdasarkan permasalahan ini, maka penelitian ini

dilakukan.

Identifikasi batik melalui analisis citra digital sudah banyak dilakukan oleh para peneliti

namun belum sampai pada pengenalan perulangan motif untuk membedakan batik dan

tekstil bermotif batik. Pengenalan motif batik dilakukan oleh Yodha dan Kurniawan (2014)

melakukan penelitian untuk mengenali 6 jenis motif batik pada buku karangan H. Santosa

Doellah menggunakan deteksi tepi Canny dan K-Nearest Neighbor (Yodha & Kurniawan,

2014). (Karimah, 2014) merancang bangun aplikasi pencarian motif batik besurek dengan

metode Gray Level Co-occurance Matrix untuk pengenalan citra uji dan citra training.

Metode Fitur Co-occurrence Matrix digunakan oleh (Luh & Sri, 2016); (No, Surya, Fadlil, &



B1-5

Yudhana, 2016) mengidentfikasi dan mengesktraksi ciri citra motif batik. Sementara (Larasati,

Iswanto, & Sugihartono, n.d.), melakukan pengenalan citra batik menggunakan metode

Cellular Automata. Penelitian lain yang sejenis adalah (Robi, Magdalena, & Wijayanto, 2014)

telah melakukan rancang bangun aplikasi deteksi motif batik berbasis pengolahan citra

digital pada platform android. Berdasarkan penelitian–penelitian tersebut maka, pengenalan

perulangan motif untuk mengidentifkasi batik dan tekstil motif batik belum dilakukan.

Pengertian Batik

Kejelasan klasifikasi batik dan tekstil motif batik harus jelas. Batik merupakan produk

hasil proses tertentu, sehingga perlu didefinisikan. Dalam hal ini, definisi yang dapat berlaku

umum dan berlaku secara nasional adalah SNI. Batik menurut SNI 0239:2014 Batik –

Pengertian dan istilah merupakan kerajinan tangan sebagai hasil pewarnaan secara

perintangan menggunakan malam (lilin batik) panas sebagai perintang warna dengan alat

utama pelekat lilin batik berupa canting tulis dan atau canting cap untuk membentuk motif

tertentu yang memiliki makna (BSN, 2014). Jadi kain kain yang disebut dengan batik

mempunyai beberapa perysaratan prosesnya yang pertama kerajinan tangan. Batik

merupakan hasil dari kerajinan tangan, sehingga kain hasil proses printing mesin tidak dapat

disebut sebagai batik. Syarat yang kedua adalah perintang warna menggunakan malam

panas. Kain batik merupakan hasil proses perintangan warna, artinya kain yang semua

berwarna putih dirintangi dengan malam panas kemudian diberikan warna dengan cara

dicelup atau dicolet. Bagian kain yang terhalang oleh malam, tidak dapat terwarnai oleh zat

warna, sehingga ini yang disebut dengan perintangan warna. Syarat yang ketiga adalah alat

utama yang dipergunakan dalam perintangan warna adalah canting tulis dan atau canting

cap. Canting adalah alat yang berbentuk khusus yang dibuat dari logam, sebagai

penampung malam dengan memiliki ujung berupa pipa kecil untuk melekatkan malam (BSN,

2018). Sedangkan canting cap adalah alat berbentuk motif yang dibuat dari tembaga atau

kayu untuk melekatkan malam (BSN, 2014). Kedua alat inilah yang paling utama digunakan

dalam pelekatan malam. Syarat yang keempat adalah bahan perintang warna yang

dipergunakan adalah malam panas. Malam atau lilin batik yang berupa campuran bahan

pokok antara lain paraffin, microwax, gondorukem sebagai zat perintang warna pada

pembatikan (BSN, 2014). Sehingga dengan kelima persyaratan inilah kain dapat disebut

sebagai batik. Proses ini tidak terjadi pada kain yang diproses menggunakan screen atau

printing baik manual maupun mesin, sehingga kain hasil proses printing disebut dengan

tekstil motif batik.

Yang dapat diamati dalam sebuah kain batik adalah motif yang tergambar di dalam kain

batik. Motif adalah rangkaian ragam hias yang mewujudkan batik secara keseluruhan dan

dan memberikan makna. Ragam hias atau juga disebut ornamen adalah bentuk dasar hiasan

yang menjadi pola batik. Ragam hias terdiri dari ornament pokok, ornamen tambahan dan



B1-6

ornament isen (BSN, 2014). Sehingga motif batik adalah ragam hias yang terbentuk dari

proses batik mulai dari ngeblat, mencanting malam, mewarnai, nglorod.

Karakteristik Batik dengan Tekstil Bermotif Batik

Batik merupakan produk hasil serangkaikan proses. Karakteristik batik dapat dilihat dari

jejak – jejak yang ditinggalkan selama proses pencantingan malam, pewarnaan, fiksasi dan

pelorodan. Walaupun sudah melalui proses pencucian, kain batik terkadang masih

meninggalkan sisa malam dari proses pencantingan. Sisa malam yang tertinggal pada kain

ini, dapat diidentifikasi secara kimia melalui pengujian dengan FTIR (Masiswo et al., 2016).

Malam setidaknya terdiri dari gondorukem, paraffin, microwax (BSN, 2014). Malam

mempunyai bau yang khas, sehingga salah satu ciri batik adalah berbau malam (BSN, 2016).

Berbeda dengan kain tekstil bermotif batik, yang prosesnya tidak menggunakan malam.

Proses pembuatan tekstil bermotif batik melalui proses print warna, print cabut warna dan

print malam dingin. Pada proses print warna dan print cabut warna tidak menggunakan

malam sama sekali, sehingga tidak meninggalkan bau malam pada produk kainnya. Proses

pembuatan batik selanjutnya adalah pewarnaan. Jenis – jenis pewarna yang digunakan

dalam pewarnaan batik diantaranya adalah jenis remazol. Jenis pewarna ini juga digunakan

dalam tekstil motif batik.

Identifikasi ciri batik berdasarkan karakteristik fisika dan kimia pernah dilakukan oleh

peneliti di Balai Besar Kerajinan dan Batik pada tahun 2016. Pada penelitian tersebut masih

belum menemukan karakteristik yang membedakan batik dan tekstil bermotif batik yang

mudah dan murah, sehingga muncul gagasan untuk mengidentifikasi karakteristik batik

dengan cara visual.

Software Identifikasi Motif Batik

Sejalan dengan fungsi BBKB sebagai lembaga sertifikasi produk batik dibutuhkan tenaga

ahli dalam mengidentifikasi batik maupun tekstil motif batik. Faktor keahlian dan

pengalaman sangat menentukan kompetensi seorang evaluator batik. Software yang

dikembangkan oleh Balai Besar Kerajinan dan Batik bekerjasama dengan Departemen Teknik

Nuklir dan Teknik Fisika Universitas Gadjah Mada pada tahun 2018. Software identifikasi

batik ini dikembangkan berdasarkan kebutuhan dalam proses identifikasi batik dan tekstil

motif batik. Salah satu parameter yang diidentifikasi dalam software ini adalah parameter

perulangan motif batik. Pada Gambar 1 ditunjukkan visualisasi software identifikasi batik dan

tekstil motif batik.



B1-7

Gambar 1. Antarmuka Software Batik Analyzer

Software identifikasi batik ini setting tingkat sensitifitas mulai dari 0 hingga 100. Angka 0

menunjukkan tingkat sensitifitas paling rendah, sedangkan 100 menunjukkan tingkat

sensitifitas paling tinggi. Software ini masih dalam pengembangan, sehingga perlu untuk

dilakukan ujicoba pendeteksian motif batik. Pada penelitian ini merupakan ujicoba

identifikasi perulangan motif batik tulis, batik cap dan tekstil motif batik dengan software

identifikasi batik dengan tingkat sensitifitas yang berbeda – beda.

METODOLOGI PENELITIAN

Penelitian ini adalah penelitian kuantitatif dengan diagram alir penelitian sesuai dengan

Gambar 2 Sampel batik tulis, batik cap dan tekstil bermotif batik diambil dari IKM Batik di

Yogyakarta dan Jawa Tengah. Citra digital motif batik diidentifikasi kemiripan pengulangan

motifnya mengggunakan software identifikasi batik. Sampel batik tulis, batik cap dan tekstil

bermotif telah dipilih berdasarkan motif yang berulang.

Gambar 2. Diagram alur penelitian

Penyiapan kain batik

(batik tulis, batik cap,

tekstil bermotif batik)

Pengambilan Citra

Digital

Penghitungan jumlah

motif yang terulang

Identifikasi

Pengulangan Motif

dengan sensitifitas

(50, 60, 70, 80, 90, 100)

Perhitungan

Persentase Kemiripan

Penarikan Kesimpulan



B1-8

Bahan dan Alat

Pada penelitian ini sampel kain batik tulis yang diidentifikasi sebanyak 5 lembar, sampel

batik cap sebanyak 5 lembar dan sampel tekstil bermotif batik sebanyak 5 lembar. Peralatan

yang digunakan dalam penelitian ini adalah software identifikasi batik yang dikembangkan

oleh Balai Besar Kerajinan dan Batik bekerjasama dengan Departemen Teknik Nuklir dan

Teknik Fisika Universitas Gadjah Mada.

Untuk mendapatkan citra digital sampel kain batik difoto dengan kamera DSLR Full

Frame., Untuk pencahayaan menggunakan fix lamp 3200 lumen dengan tujuan agar gambar

yang diambil mempunyai intensitas pencahayaan yang sama.

Gambar 3, Gambar 4 dan Gambar 5 merupakan contoh citra digital sampel kain batik

tulis, batik cap dan tekstil bermotif batik.

Gambar 3. Sampel Batik Tulis

Gambar 4. Sampel Batik Cap



B1-9

Gambar 5. Sampel Tekstil Motif Batik

Prosedur Kerja

Langkah pertama adalah menyiapkan sampel kain batik tulis, batik cap dan tekstil

bermotif batik. Sampel kain ditentukan dengan motif yang berulang.

Langkah kedua adalah untuk mendapatkan citra digital dengan cara kain dibentangkan

pada bidang yang datar dibawah lampu dengan jarak 1 m, kemudian dilakukan pemotretan

dengan Kamera Digital. Setelah citra digital masing – masing sampel siap, kemudian

dilakukan identifikasi menggunakan software batik analyzer.

Langkah ketiga adalah diidentifikasi motif yang berulang dengan software batik

analyzer.

Adapun langkah pengoperasian software batik analyzer adalah sebagai berikut:

1. Buka software batik analyzer

2. Setting sensitifitas pada 50 dengan cara drag and drop

3. Save setting

4. Start Test

5. Browse image yang akan dianalisis

6. Select bagian yang akan dianalisis

7. Tekan tombol enter dua (2) kali

8. Gambar tampilan

9. Print screen dan save gambar agar dapat dianalisis kemiripannya

Langkah keempat adalah perhitungan motif sesuai bagian yang dipilih pada langkah

ketiga. Langkah kelima ada membandingkan jumlah hasil identifikasi kemiripan

dibandingkan dengan jumlah motif yang mirip sesuai dengan langkah empat. Langkah

keenam adalah penarikan kesimpulan.



B1-10

HASIL DAN PEMBAHASAN

Hasil

Hasil identifikasi citra motif batik tulis, batik cap dan tekstil bermotif batik tersaji pada

Gambar 6a hingga Gambar 8f.

Gambar 6a. Sensitifitas 50 Gambar 6b. Sensitifitas 60 Gambar 6c. Sensitifitas 70

Gambar 6d. Sensitifitas 80 Gambar 6e. Sensitifitas 90 Gambar 6f. Sensitifitas 100

Gambar 6a – 6f. Contoh hasil identifikasi perulangan motif batik tulis



Gambar 7a – 7f. Contoh hasil identifikasi perulangan motif batik cap



B1-11



Gambar 8a – 8f. Contoh hasil identifikasi perulangan tekstil motif batik

Perhitungan jumlah motif yang berulang dari hasil identifikasi sampel batik tulis

disajikan pada Tabel 1 di bawah ini.

Tabel 1. Perulangan motif kain batik tulis

Kode Sampel Sensitifitas

50 60 70 80 90 100

BT 01 1/8 1/8 1/8 1/8 1/8 0/8

BT 02 1/9 1/9 1/9 1/9 1/9 0/9

BT 03 5/11 2/11 1/11 1/11 1/11 0/11

Keterangan : BT = batik tulis (1,2,4)

1/8 artinya ada 1 motif teridentifikasi oleh software dari 8 motif yang sama

1/9 artinya ada 1 motif teridentifikasi oleh software dari 9 motif yang sama

Hasil identifikasi sampel batik cap disajikan pada Tabel 2 di bawah ini.

Tabel 2. Perulangan motif kain batik cap


50 60 70 80 90 100

BC 01 158/160 152/160 136/160 84/160 1/160 0/160

BC 02 27/37 16/37 5/37 2/37 1/37 0/37

BC 03 54/55 37/55 19/55 3/55 1/55 0/55

Keterangan : BC = batik cap (1,3,5)

Hasil identifikasi sampel tekstil bermotif batik ditampilkan pada Tabel 3 dibawah ini.



B1-12

Tabel 3. Perulangan tekstil bermotif batik


50 60 70 80 90 100

TMB 01 10/7 5/7 3/7 2/7 1/7 1/7

TMB 02 17/18 14/18 4/18 4/18 1/18 0/18

TMB 03 21/50 7/50 4/50 1/50 1/50 0/50

Keterangan : TMB = tekstil motif batik

Pembahasan

Pada Gambar 6a – 6f merupakan hasil diidentifikasi citra digital batik tulis dengan

software identifikasi batik, sampel batik tulis yang diidentifikasi dengan sensitifitas 50 sampai

dengan 90 menunjukkan hasil perulangan motif. Sedangkan jika dianalisis dengan sensitifitas

100 tidak tampak kemiripan sama sekali dengan menunjukkan motif tertentu. Software tidak

menemukan kemiripan motif yang dipilih dan berulang pada motif yang lainnya. Ini artinya

bahwa walaupun tampak sekilas mata ada kemiripan, namun dengan analisis software, tidak

ditemukan kemiripan. Ini sangat beralasan karena batik tulis malam ditulis langsung

menggunakan tangan, sehingga walaupun tampak ada kemiripan, namun sesungguhnya

tidak akan sama persis. Hasil perhitungan kemiripan motif batik tulis yang berulang sesuai

dengan Tabel 1 pada Kode BT 01 dan BT 02 menunjukkan hasil yang sama yaitu motif hanya

teridentifikasi 1/8 dan 1/9 artinya motif hanya teridentifikasi 1 kali dari 8 dan 9 motif yang

sama. Sehingga dapat disimpulkan bahwa batik tulis sekalipun mempunyai motif yang sama

dan berulang, perulangannya tidak akan sama persis.

Hasil identifikasi pada batik cap ditunjukkan pada Gambar 7a – 7f dan Tabel 2. Salah

satu ciri dari batik cap adalah perulangan yang banyak, ini dikarenakan proses

pembuatannya menggunakan canting cap yang apikasinya dicapkan secara berurutan dan

terus menerus sehingga membentuk motif yang utuh dan berulang. Hasil identifikasinya

terdapat banyak perulangan seperti yang ditunjukkan pada kode BC01 yang hasilnya adalah

untuk sensitifitas 50 terdapat 158 motif berulang pada 160 motif yang sama. Sejalan dengan

dinaikkannya sensitifitas, maka nilai semakin menurun dan pada sensitifitas 90 hanya

terdapat 1 motif yang diidentifikasi sama dengan 160 motif. Dan ketika sensitifitas dinaikkan

lagi menjadi 100, hasilnya tidak terdapat motif yang sama. Ini sama hasilnya dengan batik

tulis pada sensitifitas 100. Begitupula dengan data dari BC 02 dan BC 03 pada tingkat

sensitifitas 90 hanya terdapat 1 motif yang sama dan pada sensitifitas 100 tidak terdapat

motif yang sama.

Hasil identifikasi kain tekstil motif batik ditunjukkan pada Gambar 8a – 8f dan Tabel 3.

Hasil identifikasi tekstil motif batik dengan kode TMB 01 dengan senstifitas 50, hasil

pendeteksian motif menemukan kemiripan pada motif yang lain. Padahal jika diperhatikan

secara visual dengan mata, motif tersebut tidak sama. Sehingga dapat dikatakan bahwa

untuk tingkat sensitifitas 50 tidak dapat digunakan untuk mendeteksi kemiripan motif. Dan



B1-13

hasil identifikasi pada sensitifitas 90 dan 100 mendapatkan motif yang sama sejumlah 1. Ini

berbeda dengan identifikasi pada batik tulis dan batik cap. Untuk hasil dari nilai sensitifitas

60, 70, 80 mengasilkan nilai yang bervariasi, sehingga belum dapat dipergunakan dalam

menyimpulkan klasifikasi jenis kainnya.

KESIMPULAN DAN SARAN

Kesimpulan

Batik tulis memiliki hasil identifikasi perulangan motif yang paling sedikit jika

dibandingkan sengan batik cap maupun tekstil motif batik. Batik cap memiliki ciri motif yang

berulang sangat banyak dikarenakan penggunaan alat canting cap. Tekstil motif batik

mempunyai nilai keterulangan motif yang beragam, sama halnya dengan batik tulis. Nilai

senfitifitas 50 masih menemukan motif yang tidak sama namun teridentifikasi sama sehingga

nilai sensitifitas 50 dianggap tidak akurat. Nilai sensitifitas 90 dan 100 mendapatkan

mendapatkan keterulangan motif 1 dan 0, sehingga ini terlalu sensitif. Sehingga nilai

sensitifitas yang dapat dipergunakan antara 60 hingga 80.

Pada prinsipnya software hasil pengembangan BBKB dan Teknik Fisika UGM, sudah bisa

mengenali keterulangan motif, namun software belum mampu dipergunakan untuk

mengklasifikasikan jenis kain batik maupun tekstil motif batik. Software dapat membantu

tenaga ahli dalam menilai keterulangan motif.

Saran

Perlu dilakukan penelitian lebih mendalam lagi dengan menambahkan jumlah sampel

sehingga dapat diambil kesimpulan yang tepat. Software perlu dikembangkan dengan

menambah parameter ciri visual batik yang lain sesuai dengan SNI.

KONTRIBUSI PENULIS

Joni Setiawan, Vivin Atika, Guring Briegel Mandegani, Masiswo, Agus Haerudin, Rony

Wijaya dan Memory Motivanisman Waruwu merupakan kontributor utama, sedangkan Paras

Trapsiladi, Zohanto Widyantoko, Ulfi Khabibah dan Nikmah Widiharini merupakan

kontributor anggota.

UCAPAN TERIMA KASIH

Kami mengucapkan terima kasih kepada Bapak Isananto Winursito Balai Besar Kerajinan

dan Batik serta Profesor Sunarno Departemen Teknik Nuklir dan Teknik Fisika UGM.

DAFTAR PUSTAKA

BSN. (2014). SNI 0239:2014 Batik - Pengertian dan istilah. Jakarta, Indonesia: Badan Standardisasi

Nasional.

BSN. (2016). SNI 8302:2016 Batik tulis - Kain - Ciri, syarat mutu dan metode uji. Jakarta: Badan



B1-14

Standardisasi Nasional.

BSN. (2018). SNI 1280:2018 Canting tulis. Jakarta: Badan Standardisasi Nasional.

Karimah, F. U. (2014). PROGRAM STUDI TEKNIK INFORMATIKA.

Larasati, A., Iswanto, B. H., & Sugihartono, I. (n.d.). INST-16 : PENGENALAN CITRA BATIK

MENGGUNAKAN METODE CELLULAR AUTOMATA, (10), 352–355.

Luh, N., & Sri, W. (2016). Deteksi Batik Parang Menggunakan Fitur Co-Occurrence Matrix Dan

Geometric Moment Invariant Dengan Klasifikasi KNN, 7(1), 40–50.

https://doi.org/10.24843/LKJITI.2016.v07.i01.p05

Masiswo, Rufaida, E. Y., Setiawan, J., Isnaini, Syabana, D. K., Atika, V., … Tukino. (2016). Karakteristik

Produk Tiruan Batik dan Paduan Tiruan Batik dengan Batik. Yogyakarta.

No, V., Surya, R. A., Fadlil, A., & Yudhana, A. (2016). Ekstraksi Ciri Citra Batik Berdasarkan Tekstur

Menggunakan Metode Gray Level Co Occurrence Matrix, 2(1), 146–150.

Robi, F., Magdalena, R., & Wijayanto, I. (2014). Rancang Bangun Aplikasi Deteksi Motif Batik Berbasis

Pengolahan Citra Digita pada Platform Android. E-Proceeiding of Engineering, 1(1), 310–318.

Yodha, J. W., & Kurniawan, A. W. (2014). Pengenalan Motif Batik Menggunakan Deteksi Tepi Canny

dan K-Nearest Neighbor. Tehcno COM, 13(4), 251–262.

identifikasi batik melalui perulangan motif dengan

Documents