Pengenalan Pola Batik dan Tenun Sutera Bugis Menggunakan Convolutional Neural Network (CNN): Recognition of Bugis Batik and Silk Weaving Patterns Using a Convolutional Neural Network (CNN)

Andi Irmayani Pawelloi; Arifuddin Arifuddin; Wahyu Arthanugraha; Ahmad Selao; Andi Wafiah

doi:10.57152/malcom.v6i4.3058

Authors

Andi Irmayani Pawelloi Universitas Muhammadiyah Parepare
Arifuddin Arifuddin Universitas Muhammadiyah Parepare
Wahyu Arthanugraha Universitas Muhammadiyah Parepare
Ahmad Selao Universitas Muhammadiyah Parepare
Andi Wafiah Universitas Muhammadiyah Parepare

DOI:

https://doi.org/10.57152/malcom.v6i4.3058

Keywords:

Convolutional Neural Network, Digitalisasi Budaya, Klasifikasi Motif, MobileNetV2, Tenun Sutera Bugis

Abstract

Kabupaten Wajo memiliki warisan tenun sutra Bugis yang memiliki nilai filosofis tinggi. Identifikasi motif kain ini masih dilakukan secara manual. Cara tradisional tersebut memicu kesalahan klasifikasi dan menghambat digitalisasi budaya. Riset ini membangun sistem pengenalan motif berbasis Convolutional Neural Network (CNN) sekaligus mengukur tingkat akurasinya. Peneliti menerapkan metode Research and Development (R&D) melalui pendekatan prototipe. Peneliti mengumpulkan 3.508 citra dari observasi, katalog, dan media sosial. Himpunan data ini mencakup tujuh kelas motif dan satu kelas Non-Motif. Peneliti membagi data menjadi 70% untuk pelatihan, 15% untuk validasi, dan 15% untuk pengujian. Setelah prapemrosesan, model menjalani pelatihan transfer learning menggunakan arsitektur modifikasi MobileNetV2. Pelatihan berlangsung selama 50 epoch dengan input 224x224x3, batch size 32, dan optimizer Adam. Peneliti lalu mengintegrasikan model ke aplikasi web berbasis Flask. Kontribusi utama riset ini menghadirkan sistem identifikasi otomatis multi-kelas untuk mendukung digitalisasi tekstil Bugis. Pengujian terhadap 533 citra mencatat akurasi 97,76 persen serta skor makro precision, recall, dan F1-score sebesar 0,98. Kelas Bukan Motif, Bunga Lagosi, dan Sobbi KDI meraih F1-score sempurna sebesar 1,00. Temuan ini membuktikan bahwa sistem mampu mengenali motif secara presisi dan efektif melestarikan budaya Bugis

Downloads

Download data is not yet available.

References

Badan Pusat Statistik (BPS), “Statistik Kabupaten Wajo,” 2022. [Online]. Available: https://wajokab.bps.go.id/

F. S. Amir, Supratiwi, “Eksistensi Kain Tenun Lipa’Sabbe Dalam Masyarakat Suku Bugis Di Kota Sengkang Kabupaten Wajo Sulawesi Selatan,” SULUH J. Seni Desain Budaya, vol. 5, no. 2, pp. 35–47, 2022, doi: 10.34001/jsuluh.v5i2.4232.

N. F. Luran, T. Tahara, and S. Astuti, “Perubahan Makna dan Simbol Pada Motif Kain Sutera pada kalangan Remaja Bugis di Kabupaten Wajo,” J. Mhs. Antropol., vol. 1, no. 2, pp. 91–116, 2022, doi: 10.31947/jma.v1i2.24059.

M. Faisal, “Makna pada Motif dan Corak Lipa Sa’be (Sarung Sutera) di Kota Sengkang Kabupaten Wajo,” Skripsi, IAIN Parepare, Parepare, Indonesia, 2025.

UNESCO, “Global Report on Cultural Heritage and Digitalization.” 2021, [Online]. Available: https://www.unesco.org/en/mondiacult/publications

Y. Gulzar, “Fruit Image Classification Model Based on MobileNetV2 with Deep Transfer learning Technique,” Sustain., vol. 15, no. 3, 2023, doi: 10.3390/su15031906.

N. H. Tasnim, S. Afrin, B. Biswas, A. A. Anye, and R. Khan, “Automatic classification of textile visual pollutants using Deep Learning networks,” Alexandria Eng. J., vol. 62, pp. 391–402, 2023, doi: 10.1016/j.aej.2022.07.039.

S. Sha et al., “Image Classification and Restoration of Ancient Textiles Based on Convolutional Neural Network,” Int. J. Comput. Intell. Syst., vol. 17, no. 1, 2024, doi: 10.1007/s44196-023-00381-9.

I. D. Cahyati, S. Devella, and Y. Yohannes, “Pengenalan Motif Songket Palembang Menggunakan Convolutional Neural Network dengan Arsitektur ResNet-50,” Algoritm. J. Mhs. Tek. Inform., vol. 5, no. 1, pp. 78–87, 2024, doi: 10.35957/algoritme.v5i1.9404.

R. Y. Rika, “Klasifikasi Kain Tenun Adat Malaka Menggunakan Metode Convolutional Neural Network (CNN),” JATISI, vol. 12, no. 1, pp. 306–318, 2025, doi: 10.35957/jatisi.v12i1.9345.

W. Arthanugraha, Z. Zainuddin, and A. L. Arda, “The Implementation of Convolutional Neural Network in Recognize Lontara Text,” J. Inform., vol. 11, no. 2, pp. 65–72, 2024, doi: 10.31294/inf.v11i2.20328.

D. A. Kurnia, Y. A. Wijaya, F. Dikananda, and U. Hayati, “Klasifikasi Citra Menggunakan Arsitektur MobileNetV2 Dengan Pendekatan Transfer learning,” J. Comput. Sci. Artif. Intell., vol. 3, no. 03, pp. 1–5, 2026.

M. Alkanan and Y. Gulzar, “Enhanced corn seed disease classification: leveraging MobileNetV2 with feature augmentation and transfer learning,” Front. Appl. Math. Stat., vol. 9, no. 1, pp. 112–120, 2024, doi: 10.3389/fams.2023.1320177.

C. Gu, “Enhancing medical image classification with convolutional neural networks through transfer learning: A comprehensive review,” Appl. Comput. Eng., vol. 35, no. 1, pp. 280–284, 2024, doi: 10.54254/2755-2721/35/20230407.

M. D. Pratama, R. Gustriansyah, and E. Purnamasari, “Klasifikasi Motif Batik Yogyakarta Menggunakan Metode GLCM Dan CNN,” J. Teknol. Terpadu, vol. 10, no. 2, pp. 89–94, 2022, doi: 10.54914/jtt.v10i2.1451.

G. A. Bahagia and M. Akbar, “Klasifikasi sampah organik dan anorganik menggunakan metode Convolutional Neural Network (CNN),” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 5, pp. 10349–10355, 2024, doi: 10.36040/jati.v8i5.11038.

R. Indraswari, R. Rokhana, and W. Herulambang, “Melanoma image classification based on MobileNetV2 network,” Procedia Comput. Sci., vol. 197, pp. 198–207, 2021, doi: 10.1016/j.procs.2021.12.132.

E. F. Y. S. Utama and S. W. M. Edi, “Identifikasi jenis batik menggunakan metode Convolutional Neural Network (CNN) berbasis website,” AITI, vol. 22, no. 2, pp. 150–164, 2025, doi: 10.24246/aiti.v22i2.150-164.

M. R. R. Allaam and A. T. Wibowo, “Klasifikasi Genus Tanaman Anggrek Menggunakan Metode Convolutional Neural Network (CNN),” e-Proceeding Eng., vol. 8, no. 2, pp. 3147–3179, 2021.

F. M. Shanni, P. Setiaji, and W. A. Triyanto, “Classification of Indonesian Batik Motifs using CNN VGG16 with Transfer learning and Fine-Tuning,” Sist. J. Sist. Inf., vol. 15, no. 6, pp. 2228–2243, 2026, doi: 10.32520/stmsi.v15i6.6467.

D. Pakiding, A. Selao, and W. Wahyuddin, “Implementasi Computer Vision dalam Mendeteksi Penyakit pada Tanaman Cabai dan Tomat Menggunakan Algoritma Convolutional Neural Networks,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 5, no. 3, pp. 841–850, 2025, doi: 10.57152/malcom.v5i3.1989.