34

Identifikasi Pola Batik Parang Dengan Algoritma Point Minutea

Menggunakan Metode K-Means Clustering
Rusmono Yulianto1*, Yoyon K Suprapto 2, Moch. Hariadi 3
PPPPTK Seni dan Budaya, Sleman, Yogyakarta1*, Email : rusmono_yulianto@yahoo.com
Jurusan Teknik Elektro-FTI, Institut Teknologi Sepuluh Nopember-Surabaya2,3

Abstrak - Batik merupakan budaya luhur bangsa yang

memiliki keindahan pola dan warna. Pola suatu batik
terutama parang mempunyai ciri khas tertentu yang
motifnya terkenal dengan kelompok motif garis miring yang
tersusun membentuk garis-garis yang sejajar dengan sudut
kemiringan 45%, sedangkan motif batik parang terdiri
dari satu atau lebih parameter ragam hias sehingga
menghasilkan motif batik parang yang cukup banyak
sehingga pola yang dihasilkan sangat beraneka ragam. Hal
tersebut seringkali menyulitkan bagi orang awam untuk
mengidentifikasi motif batik parang berdasarkan ciri khas
yang dimiliki, sehingga penelitian ini lebih ditekankan pada
identifikasi dari suatu pola batik parang.
Identifikasi pola batik parang dilakukan dengan
menggunakan algoritma pemodelan Point Minuteae pada
setiap garis yang membentuk pola batik parang tersebut.
Algoritma Point Minuteae merupakan sejenis titik yang
terbentuk pada pola batik parang. Hasil yang diperoleh
dari algoritma Point Minuteae selanjutnya dikelompokkan
menggunakan metode K-Means Clustering, sehingga dapat
menentukan identifikasi pola batik parang berdasarkan
ciri khas yang dimiliki.
Penggunaan metode K-means dilakukan dengan
mencocokan hasil Point Minutiae dari setiap pola batik
parang, sehingga dihasilkan prosentase dengan tingkat
iterasi 1 dengan Sum Sequence Error(SSE)=200, sedang
pda iterasi 2 dengan Sum Sequence Error(SSE)=120,
Penelitian ini diharapkan dapat membantu dalam
menentukan prosentase kecocokan Identifikasi dari
suatu pola batik parang berdasarkan ciri khas yang
dimiliki.

menjadi pangkalan atau pokok dari sesuatu pola

setelah motif itu mengalami proses penyusunan dan
diterapkan secara berulang-ulang sehingga diperoleh
sebuah pola dan pola itu diterapkan pada benda lain yang
nantinya akan menjadi sebuah ornamen. Dibalik kesatuan
antara motif, pola, dan ornamen terdapat pesan dan
harapan yang ingin disampaikan oleh pencipta motif
batik [2]. Hal tersebut yang menjadi dasar akan
ketertarikan penulis untuk melakukan penelitian tentang
ciri khas dari pola suatu batik pedalaman daerah jawa.
Batik pedalaman daerah jawa dipilih oleh penulis
dikarenakan semenjak jaman kerajaan Mataram, di pulau
jawalah batik pertama kali muncul. Batik pedalaman
belum ada campuran motif dari negara lain, jadi benar
benar masih asli yang diciptakan dari lingkungan kerajaan.

Gambar Batik Parang

Proses Pemodelan dengan

Algoritma Point Minutiae

Proses Pengelompokan
menggunakan K-Means
Clusterng

Katakunci: Batik, Point Minuteae, K-Means, pola.

I.

PENDAHULUAN

Batik dalam kamus besar Bahasa Indonesia mempunyai

arti kain yang bergambar (bercorak, beragi) yang
pembuatannya dengan cara tertentu (mula mula di tulis
atau ditera dengan lilin lalu diwarnakan dengan tarum dan
soga. Banyak sekali pendefinisian tentang batik,
diantaranya batik adalah segala macam dekorasi barang
bahan tekstil yang memakai proses lilin dan memakai cara
pencelupan sebagai proses pewarnaanya [1]. Ada pula
yang menyatakan bahwa batik adalah lukisan atau
gambaran pada mori yang dibuat dengan menggunakan
alat yang bernama canting [2].
Pada dasarnya, jika berbicara tentang batik maka akan
cenderung membahas tentang motif. Sedangkan motif
merupakan susunan terkecil dari gambar atau kerangka
gambar pada benda. Dalam motif terdiri atas unsur
bentuk/objek, skala/proporsi, dan komposisi. Motif

Prosentase kecocokan minutiaes pola

batik pedalaman berdasarkan
daerah Jawa

Database Minutiaea
pola batik Pedalaman
daerah Jawa

Gambar 1. Blok Diagram Penentuan Ciri Khas Pola Batik

JAVA Journal of Electrical and Electronics Engineering, Vol. 8, No.2, Okt . 2010, ISSN 1412-8306

35

Algoritma yang digunakan untuk menentukan ciri khas

pola batik adalah point minutiae disertai dengan proses
klusterisasi menggunakan metode K-Means. Terdapat
beberapa penelitian mengenai point minutiae, diantaranya
adalah penggunaan point minutiae dalam menentukan
verisikasi sidik jari [3]. Kelemahan yang terdapat pada
point minutiae dalam menentukan verisikasi sidik jari
diperbaiki dengan menggunakan metode K-Means.
Penggunaan algoritma point minutiae disertai metode
K-Means dalam proses klusterisasi, diharapkan dapat
menentukan ciri khas dari suatu pola batik, khususnya
batik pedalaman daerah Jawa.
II. PENENTUAN POLA BATIK BERDASARKAN
POINT MINUTIAE MENGGUNAKAN METODE
K- MEANS
Langkah langkah penelitian dalam menentukan ciri
khas pola batik pedalaman daerah Jawa dapat dilihat pada
gambar 1.
2.1 Batik
Obyek penelitian dalam menentukan ciri khas pola
batik menggunakan salah satu motif batik seperti pada
gambar 2.

pengambangan (thresholding) sehingga didapatkan

keberadan obyek berupa alur guratan pola batik.
Penipisan pola bertujuan mengurangi bagian yang tidak
perlu (redundant). Kemudian citra hasil penipisan di
deteksi
minutiae menggunakan metode crossing
minutiae
dideteksi
dengan
number (CN). Poin
memindai tetangga lokal pada masing-masing piksel
ridge pada citra menggunakan ukuran window 3 x 3.
Kemudian nilai CN dihitung, yang didefinisikan sebagai
separuh
penjumlahan
dari
perbedaan antara
pasangan-pasangan
piksel
yang bersebelahan pada
eight-neighbourhood.
Tabel 1. Properti Crossing Number
CN
Property
0
Isolated Point
1
Ridge ending point
2
Continuing Ridge Point
3
Bifurcation point
4
Crossing Point

Nilai CN pada ridge piksel P didapat dari

Persamaan berikut.
8

CN = 0.5

Pt - Pt+1

(1)

t=1

P9 = P1

(2)

dimana Pi merupakan nilai tetangga dari P. Untuk

suatu
piksel
P,
kedelapan
piksel tetangganya
diperiksa dengan arah berlawananjarum jam seperti pada
Gambar 3.
Gambar 2. Motif Batik Parang Rusak
Batik dengan motif parang rusak merupakan salah satu
ragam hias batik yang ada hubungannya dengan
kedudukan social seseorang. Batik dengan ragam hias ini
hanya boleh dipakai oleh raja raja keluarga dekatnya. Ini
ada hubungannya dengan arti atau makna filosofi dalam
kebudayaan Hindu Jawa dan ragam hias batik ini
dianggap sakral [1].
2.2 Point Minutiae
Point Minutiae adalah sejenis titik yang terbentuk
pada pola batik. Ada beberapa jenis minutiae atau dapat
juga disebut dengan ridge, antara lain ridge ending
(akhir), ridge crossing (persilangan), dan Fitur kecil yang
terbentuk dari percabangan ridge pada sidik jari disebut
ridge birfurcation [4].
2.2.1 Ekstrasi Minuteae (Image Extraction)
Ada tiga Tahap dalam Image Extraction ini,
diantaranya:
Binerisasi,
Penipisan
pola
(skeletonization), dan deteksi minutiae. Konversi citra
pada proses binerisasi dilakukan dengan operasi

P4
P5
P6

P3
P
P7

P2
P1
P8

Gambar 3. Pemberian nomer pada 8 tetangga Piksel P

untuk Proses Minuteae Detection.
2.3 K-Means Clustering
Algoritma
K-Means
clustering
merupakan
algoritma
yang
digunakan
untuk
melakukan
pencocokan dua template pola batik yang telah
digabung. Adanya pengklasteran titik - titik dalam proses
k-means clustering ini diharapkan dapat mengatasi
kelemahan algorima minutiae based yakni, tidak dapat
diprosesnya pencocokan karena perbedaan jumlah
minutiae dalam pola batik.
Berikut merupakan langkah-langkah dari K-means
clustering :
1. Menentukan K titik yang merepresentasikan
obyek (centroid).
2. repeat
3. Menetapkan setiap obyek pada kelompok dengan
posisi centroid terdekat berdasarkan nilai mean dari

JAVA Journal of Electrical and Electronics Engineering, Vol. 8, No.2, Okt . 2010, ISSN 1412-8306

36

4.
5.

object Cluster, menggunakan Rumus Euclidean

Update mean cluster, Hitung Nilai mean masingmasing cluster
until posisi cluster tidak berubah (Konvergen)

3.2. Proses Ekstrasi Minuteae (Image Extraction)

Start

Template temp gabung

Jumlah cluster = jumlah poin

Tamplate input

Gambar 6 menunjukkan vector dari masing masing ridge

pada pola batik yang merupakan hasil ekstrasi
point minuteae

Posisi koordinat K cluster =

Posisi koordinat tempat input

3.3.Hasil pengelompokan (Clustering) menggunakan

metode K-Means

Hitung jarak Euclidean dari

cluster

Hitung mean dari cluster

Y
Posisi cluster

Gambar 7. Grafik merupaan penentuan centroid dari KMeans Clustering didasarkan dari inputan yang berupa
vector hasil ekstrasi point minutiae
3.4.Sum Sequence Error (SSE)

return

Gambar 4. Diagram alir proses K-means clustering

III. HASIL DAN ANALISA

1.1 Penentuan Minuteae pada pola batik parang
rusak

Grafik 8 error diatas merupakan SSE dari penentuan

centroid pada proses clustering yang mengalami
penurunan pada iterasi ke 5.
Sum Sequence Error (SSE) merupakan metode yang
digunakan untuk mencapi error yang diinginkan yaitu error
terkecil dari iterasi.

IV. KESIMPULAN

Gambar 5 Penentuan Minuteae pada pola batik parang

rusak

4.1.Algoritma Point Minuteae merupakan sejenis titik

yang banyak digunakan pada penelitian verifikasi sidik
jari, sedangkan dalam penelitian ini algoritma Point
Minuteae digunakan untuk verifikasi pola batik yang
dikelompokkan dengan menggunakan metode K-Means
Clustering, sehingga dapat menentukan suatu pola
batik pedalaman terutama daerah Jawa berdasarkan
ciri khas yang dimiliki.
4.2.Metode K-means dilakukan dengan mencocokan hasil
Point Minutiae dari setiap pola batik, sehingga

JAVA Journal of Electrical and Electronics Engineering, Vol. 8, No.2, Okt . 2010, ISSN 1412-8306

37

dihasilkan prosentase dengan mean dan median

mendekati sebesar 100%, berdasarkan titik centroid
dari masing masing daerah.
4.3.Dengan Algoritma Point Minuteae dilakukan setiap
pola batik yang telah terbentuk, dikarenakan banyaknya
pola batik Jawa pedalaman yang dikembangkan secara
temporer.
PUSTAKA
[1]
Susanto, Sewan. S.K.(1980) Seni Kerajinan Batik
Indonesia. Balai Penelitian Batik dan Kerajinan,
Lembaga Penelitian dan Pendidikan Industri,
Departemen Perindustrian R.I.
[2]
Achjadi, Judi(ed).Batik Spirits of Indonesia.
Yayasan Batik Indonesia, PT Buku Antar Bangsa,
1999
[3]
Andika Budi Pratama,Verifikasi Citra Sidik Jari
Point Minuteae Dalam Visum Et Repertum (VER)
Menggunakan K-Means Clustering, Jurnal Ilmu
Komputer, UB.
[4]
J Jain,L.C; Halici,U; Hayashi,I; Lee,S.B and
Tsuitsui,S.
1999.
Inteligent
Biometric
in
Fingerprint
and
Face
Techniques
Recognation. CRC Press. United States of

[5]

[6]

[7]

[8]
[9]

[10]

America
Agusta,
Y.2007.
K-Means Penerapan
,Permasalahan dan Metode Terkait. Jurnal
Sistem dan Informatika. 3:47-60
Handhani,O. 2007. Pendeteksian Poin Poin
Minuatiae Pada Citra Sidik Jari Dengan
Berbasis Pada Pemrosesan Citra Digital.
Fakultas MIPA,Ilmu Komputer UB. Malang
Jea, T. Minutiae Based partial Fingerprint
Recognition.
Departement
Of
Computer
Scienece Univeristy at Buffalo, the state
University of New York
H. Santosa Doellah.Batik : The Impact of Time and
Environment
Wawan Wardiana dan Ana Heryana.Studi
Komparasi untuk Unjuk Kerja Komputer pada
Proses Perhitungan Fractal. Pusat Penelitian
Informatika-LIPI Bandung.
Jaidan Jauhari, Pengembangan Perangkat Lunak
Pembangkit Geometri Fraktal Berbasis Bilangan
Komplek (PLFrakom), Fakultas Ilmu Komputer,
Universitas Sriwijaya, Jurnal Generic, Januari 2010

JAVA Journal of Electrical and Electronics Engineering, Vol. 8, No.2, Okt . 2010, ISSN 1412-8306