Penulis : Denny Sukma Eka A. (1); Dr.Eng. Ir. Sunu Wibirama, S.T., M.Eng., IPM. (2); Ir. Muhammad Kusumawan Herliansyah, S.T., M.T., Ph.D., IPU., ASEAN Eng. (3); Ir. Andi Sudiarso, S.T., M.T., M.Sc., Ph.D., IPM., ASEAN Eng. (4)
Results in Engineering (SJR Q1), terbit Maret 2025
DOI: https://doi.org/10.1016/j.rineng.2025.104124
Penelitian terbaru yang diterbitkan dalam jurnal Results in Engineering menyoroti pendekatan baru dalam deteksi cacat pada kain klowong batik. Penelitian ini membandingkan dua metode utama, yakni integral image dan normalized cross-correlation (NCC), dalam upaya mengembangkan sistem inspeksi otomatis yang lebih efisien dan akurat untuk industri batik.
Klowong batik, merupakan salah satu tahapan dalam proses pembuatan batik tulis, memainkan peran penting dalam menjaga kualitas dan keaslian batik tulis. Hingga saat ini, inspeksi kualitas kain batik masih banyak mengandalkan pemeriksaan manual yang rentan terhadap ketidakkonsistenan dan kesalahan manusia. Oleh karena itu, diperlukan solusi berbasis teknologi yang dapat mengotomatisasi proses inspeksi ini guna meningkatkan efisiensi dan akurasi.
Penelitian yang dilakukan oleh tim dari Universitas Gadjah Mada dan Universitas Telkom ini mengembangkan sistem deteksi cacat berbasis adaptive thresholding dengan fokus pada kanal warna merah. Pengujian dilakukan dengan mengukur false positive rate (FPR), sensitivity rate (SER), dan accuracy rate (ACR) untuk membandingkan kedua metode tersebut.
Hasil penelitian menunjukkan bahwa metode integral image memiliki keunggulan signifikan dibandingkan metode NCC. Integral image mampu menghasilkan FPR sebesar 1,92%, sensitivitas 86,18%, dan akurasi 96,82%, dengan waktu pemrosesan hanya 1,019 detik. Sebagai perbandingan, metode NCC membutuhkan waktu pemrosesan 6,116 detik. Hal ini menunjukkan efisiensi yang lebih baik dari metode integral image dalam mendeteksi cacat pada kain klowong batik. Contoh hasil segmentasi ditunjukkan oleh Gambar 1 berikut.
Gambar 1. Hasil Segmentasi pada Saluran Warna Merah (a) Cacat Klowong; (b) Ground
Truth; (c) Integral Image Binary Output; (d) NCC Binary Output
Dampak bagi Industri Batik
Temuan ini memberikan manfaat besar bagi industri batik, terutama bagi usaha kecil dan menengah yang mengadopsi teknologi pada proses produksinya. Implementasi sistem inspeksi otomatis berbasis integral image dapat meningkatkan efisiensi produksi, mengurangi biaya operasional, serta mempertahankan kualitas dalam pembuatan klowong batik. Selain itu, temuan ini juga berkontribusi terhadap pelestarian warisan budaya Indonesia dengan mengadopsi teknologi yang mendukung produksi batik yang lebih efisien.
Dengan adanya temuan ini, para pelaku industri batik diharapkan dapat memanfaatkan metode berbasis vision ini guna meningkatkan efisiensi produksi dan menjaga kualitas produk batik. Ke depan, pengembangan sistem deteksi ini dapat diperluas dengan integrasi kecerdasan buatan (AI) untuk meningkatkan kemampuan deteksi lebih lanjut serta membangun kemampuan self-repair pada proses produksi batik tulis berbasis teknologi.
Kontributor: Rita Yulianti, S.IP.