Identifikasi Motif Batik Indonesia Menggunakan Correlation-Based Template Matching

Retno Wahyusari, Lastoni Wibowo, Suprawikno Suprawikno, Eva Hertnacahyani Herraprastanti, Helmi Gunawan

Abstract


Batik merupakan salah satu warisan budaya Indonesia yang memiliki keragaman motif dengan karakteristik visual yang berbeda pada setiap daerah. Identifikasi motif batik secara manual memerlukan pengetahuan khusus dan berpotensi menimbulkan subjektivitas. Oleh karena itu, penelitian bertujuan mengembangkan sistem identifikasi motif batik Indonesia menggunakan metode Correlation-Based Template Matching berbasis pengolahan citra digital. Sistem dibangun menggunakan bahasa pemrograman Python dengan tahapan prapengolahan citra berupa resize, konversi grayscale, Gaussian Blur, dan ekstraksi fitur menggunakan deteksi tepi Canny. Proses identifikasi dilakukan dengan menghitung tingkat kemiripan antara citra uji dan citra referensi menggunakan koefisien korelasi Pearson. Dataset penelitian terdiri atas 50 citra yang mewakili lima kategori motif batik, yaitu Bali, Betawi, Ceplok, Mega Mendung, dan Parang. Hasil pengujian menunjukkan bahwa seluruh citra pada dataset berhasil dikenali dengan benar sehingga diperoleh tingkat akurasi sebesar 100%. Selain itu, sistem mampu menghasilkan keluaran Motif Tidak Dikenali ketika diberikan citra yang tidak terdapat pada basis data referensi. Hasil penelitian menunjukkan bahwa kombinasi deteksi tepi Canny dan Correlation-Based Template Matching mampu digunakan untuk mengidentifikasi motif batik berdasarkan kemiripan pola visual tanpa memerlukan proses pelatihan model. 

Keywords


batik Indonesia; Canny edge detection; correlation-based template matching; pengolahan citra digital; Pearson correlation.

Full Text:

PDF

References


A. S. H. Sari, S. Hamidah, R. Hayati, and S. Trikandi, “Pelestarian Batik Sebagai Identitas Nasional Di Era Digital,” Didakt. J. Ilm. PGSD FKIP Univ. Mandiri, vol. 12, no. 1, pp. 110–123, 2026.

M. Kusumaningtyas, P. S. Wardhani, and D. Wulansari, “Pemberdayaan Masyarakat melalui Pelatihan Batik : Menggali Kreativitas dan Melestarikan Warisan Budaya,” J. Abdimas Kartika Wijayakusuma, vol. 6, no. September, pp. 1461–1470, 2025.

R. List and I. C. Heritage, “Indonesian Batik,” UNESCO Official. Accessed: Jun. 07, 2026. [Online]. Available: https://ich.unesco.org

E. Krisnanik et al., “Pemanfaatan Teknologi Informasi dan Komunikasi (TIK) dalam Pelestarian Budaya Dan Wujud Bela Negara,” J. Bela Negara UPN Veteran Jakarta, vol. 1, no. 2, pp. 83–98, 2023.

M. Rahmawati, W. Subroto, F. Mardiani, and U. L. Mangkurat, “Strategi Edukasi Cagar Budaya Kota Banjarmasin Melalui Digitalisasi Berbasis Flipbook,” J. Artefak, vol. 12, no. 1, pp. 17–26, 2025.

L. Utari and A. Zulfikar, “Penerapan Convolutional Neural Networks Menggunakan Edge Detection Untuk Identifikasi Motif Jenis Batik,” TeknoIS J. Ilm. Teknol. Inf. dan Sains, vol. 13, no. 1, pp. 110–123, 2023, doi: 10.36350/jbs.v13i1.184.

Lubna, N. Mufti, and S. A. A. Shah, “Automatic Number Plate Recognition : A Detailed Survey of,” Sensors, vol. 21, no. 9, pp. 1–35, 2021.

Y. A. Gerhana, M. F. Padilah, and A. R. Atmadja, “Comparison of Template Matching Algorithm and Feature Extraction Algorithm in Sundanese Script Transliteration Application using Optical Character Recognition,” J. Online Inform., vol. 5, no. 1, pp. 73–80, 2020, doi: 10.15575/join.v5i1.580.

Y. Han, “Reliable Template Matching for Image Detection in Vision Sensor Systems,” sensors, vol. 21, pp. 1–21, 2021.

F. A. Setyawan, A. Yudamson, E. Nasrullah, and F. Nama, “Pengenalan aksara lampung berbasis pencocokan template menggunakan metode sum of absolute differences ( SAD ),” in Seminar Nasional Ilmu Teknik dan Aplikasi Industri ( SINTA ), 2025, pp. 124–129.

L. Wang and Q. Liu, “Discriminant distance template matching for image recognition,” Mach. Vis. Appl., vol. 33, no. 6, 2022.

R. C. Gonzalez and R. E. Woods, Digital Image Processing, 2nd ed. Boston, MA, USA: Addison-Wesley Longman Publishing Co., Inc., 2001.

J. Canny, “A Computational Approach to Edge Detection,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 8, no. 6, pp. 679–698, 1986.

H. Zhao, Xiaoqi and Pang, Youwei and Zhang, Lihe and Lu, “Joint Learning of Salient Object Detection , Depth Estimation and Contour Extraction,” IEEE Trans. Image Process., vol. 31, pp. 7350–7362, 2022.

M. Huang, Y. Liu, and Y. Yang, “Edge detection of ore and rock on the surface of explosion pile based on improved Canny operator,” Alexandria Eng. J., vol. 61, no. 12, pp. 10769–10777, 2022.

J. C. F. De Winter, S. D. Gosling, and J. Potter, “Comparing the Pearson and Spearman Correlation Coefficients Across Distributions and Sample Sizes : A Tutorial Using Simulations and Empirical Data Comparing the Pearson and Spearman Correlation Coefficients Across Distributions and Sample Sizes : A Tutor,” Psychol Methods, vol. 21, no. 3, pp. 273–290, 2016.


Refbacks

  • There are currently no refbacks.


Editorial Office :

Prosiding SENDIKO (Seminar Nasional Hasil Penelitian & Pengabdian Masyarakat Bidang Ilmu Komputer)
Published by Universitas PGRI Madiun
Managed by Program Studi Sistem Informasi Fakultas Teknik Universitas PGRI Madiun
Address Jl. Auri 14-16 Kota Madiun Kampus III Universitas PGRI Madiun 63118
Website http://prosiding.unipma.ac.id/index.php/sendiko/index
Email [email protected]

e-ISSN:  3025-4604