Klasifikasi Motif Batik Menggunakan Convolutional Neural Network (CNN) dengan Otsu thresholding dan Median filter

Abstract

atik merupakan warisan budaya Indonesia yang telah diakui secara global, namun keragaman motifnya seringkali sulit dikenali oleh masyarakat awam. Penelitian ini bertujuan untuk mendukung pelestarian batik serta mempermudah klasifikasi motif dengan pendekatan berbasis ciri geometris dan non-geometris menggunakan metode Convolutional Neural Network (CNN). Data citra batik dikumpulkan dari internet dan hasil pemotretan di Museum Batik TMII, lalu dikategorikan dan diproses melalui tahap praproses, termasuk konversi ke grayscale, segmentasi menggunakan metode Otsu untuk memisahkan motif dari latar, serta peningkatan kualitas citra menggunakan median filter. Klasifikasi dilakukan menggunakan CNN dengan 3600 iterasi dan batch size 20. Hasil eksperimen menunjukkan akurasi sebesar 85,36%, dengan rata-rata presisi 86,76% dan recall 87,36%, serta waktu pelatihan selama 11 menit 41 detik.