PERBANDINGANPEMBUATANLINEART MENGGUNAKAN METODE KLASIKBERBASIS OPENCV DANDEEPLEARNINGUNTUK PEWARNAANOTOMATISPADABATIKKLASIK JAWA

Pewarnaan batik secara manual memerlukan waktu lama dan iterasi berulang, sementara penelitian pewarnaan otomatis yang ada masih banyak menggunakan citra grayscale sebagai masukan, sehingga kurang sesuai dengan alur kerja perajin yang umumnya memulai dari line art. Penelitian ini membandingkan kualitas line art yang dihasilkan oleh metode OpenCV dan U-Net, serta menganalisis pengaruhnya terhadap hasil pewarnaan otomatis menggunakan Pix2Pix (cGAN) pada tiga motif batik klasik Jawa: Kawung, Parang, dan Megamendung. Dataset berjumlah 750 citra (256 × 256 piksel) diolah melalui dua pendekatan pembentukan line art, kemudian diwarnai menggunakan Pix2Pix dengan skema 5-fold cross-validation. Evaluasi dilakukan menggunakan metrik LC, PSNR, SSIM, dan MOS. Hasil menunjukkan U-Net menghasilkan line art lebih padat (LC 82,83%) dibanding OpenCV (LC 23,83%), dan skenario U-Net→GAN lebih unggul secara kuantitatif (PSNR 16,8472 dB; SSIM 0,5935). Namun, 87,50% responden secara subjektif lebih menyukai hasil OpenCV karena tampilannya lebih tegas dan kontras, dengan nilai MOS keseluruhan sebesar 4,2292 yang berada pada kategori baik. Secara praktis, sistem ini dapat mempercepat eksplorasi pewarnaan bagi perajin batik, dengan motif Kawung paling siap diterapkan dan motif Megamendung masih memerlukan peningkatan lebih lanjut. Secara akademis, ketidakselarasan antara evaluasi objektif dan subjektif mengindikasikan perlunya metrik perseptual seperti LPIPS dalam penelitian pewarnaan batik ke depan.