IDENTIFIKASI BATIK MELALUI PERULANGAN MOTIF DENGAN ...
Transcript of 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
Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019
Yogyakarta, 08 Oktober 2019 eISSN 2715-7814
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.
Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019
Yogyakarta, 08 Oktober 2019 eISSN 2715-7814
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
Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019
Yogyakarta, 08 Oktober 2019 eISSN 2715-7814
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, &
Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019
Yogyakarta, 08 Oktober 2019 eISSN 2715-7814
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
Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019
Yogyakarta, 08 Oktober 2019 eISSN 2715-7814
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.
Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019
Yogyakarta, 08 Oktober 2019 eISSN 2715-7814
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
Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019
Yogyakarta, 08 Oktober 2019 eISSN 2715-7814
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
Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019
Yogyakarta, 08 Oktober 2019 eISSN 2715-7814
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.
Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019
Yogyakarta, 08 Oktober 2019 eISSN 2715-7814
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. Sensitifitas 50 Gambar 7b. Sensitifitas 60 Gambar 7c. Sensitifitas 70
Gambar 7d. Sensitifitas 80 Gambar 7e. Sensitifitas 90 Gambar 7f. Sensitifitas 100
Gambar 7a – 7f. Contoh hasil identifikasi perulangan motif batik cap
Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019
Yogyakarta, 08 Oktober 2019 eISSN 2715-7814
B1-11
Gambar 8a. Sensitifitas 50 Gambar 8b. Sensitifitas 60 Gambar 8c. Sensitifitas 70
Gambar 8d. Sensitifitas 80 Gambar 8e. Sensitifitas 90 Gambar 8f. Sensitifitas 100
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
Kode Sampel Sensitifitas
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.
Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019
Yogyakarta, 08 Oktober 2019 eISSN 2715-7814
B1-12
Tabel 3. Perulangan tekstil bermotif batik
Kode Sampel Sensitifitas
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
Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019
Yogyakarta, 08 Oktober 2019 eISSN 2715-7814
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
Prosiding Seminar Nasional Industri Kerajinan dan Batik 2019
Yogyakarta, 08 Oktober 2019 eISSN 2715-7814
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.