Deteksi Persamaan Pola Gerakan pada Koreografi Tari Bali

Penulis

  • Ni Made Rai Maryati Universitas Pendidikan Ganesha, Singaraja
  • Made Windu Antara Kesiman Universitas Pendidikan Ganesha, Singaraja
  • I Made Gede Sunarya Universitas Pendidikan Ganesha, Singaraja

DOI:

https://doi.org/10.25126/jtiik.20231057012

Abstrak

Tarian daerah memegang peranan penting dalam tatanan kehidupan masyarakat Bali. Tarian tidak hanya sebagai hiburan tetapi juga sebagai sarana dalam kegiatan upacara keagamaan serta merupakan aset pariwisata. Jenis tari Bali cukup banyak, namun sebagian pencipta tari Bali sudah tiada. Perkembangan teknologi saat ini diharapkan dapat ikut memberikan kontribusi dalam penciptaan tarian baru. Penelitian ini bertujuan untuk mendeteksi persamaan pola gerakan dan menghitung banyaknya gerakan yang sama pada dua atau lebih tarian berbeda yang dikelompokkan berdasarkan penciptanya. Dengan menemukan banyaknya gerakan yang sama dalam beberapa tari ciptaan seorang maestro maka ciri khas seperti variasi gerakan dan tempo tarian diharapkan dapat diketahui. Penelitian ini merupakan penelitian yang berada di bawah payung proyek COMPUDANCE (Computerization of Dances), dimana proyek ini bertujuan untuk menciptakan sebuah tarian baru dengan cara mempelajari ciri khas dari masing-masing pencipta tari Bali. Tarian baru yang tercipta tentunya memiliki nilai yang sangat tinggi karena sebagian maestro sudah tiada. Dataset dalam penelitian ini adalah 8 jenis tari Bali yang berasal dari 3 pencipta yang berbeda. Delapan tarian tersebut melipiti : Tari Margapati, Tari Panji Semirang dan Tari Wiranata diciptakan oleh I Nyoman Kaler; Tari Cendrawasih, Tari Puspanjali dan Tari Sekar Jagat diciptakan oleh N.L.N. Swasthi Wijaya Bandem; Tari Wiranjaya dan Tari Nelayan diciptakan oleh I Ketut Merdana. Untuk mendeteksi persamaan pola gerakan akan digunakan metode skeletonisasi, dilanjutkan dengan proses ekstraksi fitur bentuk menggunakan metode HOG. Data hasil ekstraksi dari satu tarian kemudian dibandingkan dengan tarian lainnya. Untuk mengukur tingkat kesamaan dari dua atau lebih citra yang berbeda digunakan metode eucledian distance, dimana akan dipilih 5 nilai ambang yaitu 1,15, 1,18, 1,20, 1,22 dan 1,25. Nilai ini didasarkan pada pengamatan secara visual yang dilakukan terhadap citra hasil proses skeletonisasi, dimana citra yang jika dilihat secara visual memiliki gerakan sama memiliki nilai ambang antara 1,15 sampai 1,25. Dengan menggunakan 5 nilai ambang tersebut didapatkan jumlah gerakan yang terdeteksi sama dari masing-masing tarian yang dikelompokkan berdasarkan penciptanya.  Dari analisa terhadap hasil penelitian dapat disimpulkan bahwa kelompok tari ciptaan I Nyoman Kaler memiliki gerakan yang paling dinamis dengan variasi gerakan yang banyak dan memiliki tempo tarian yang paling cepat. Diurutan berikutnya adalah tari ciptaan I Ketut Merdana. Kelompok tari yang memiliki jenis gerakan yang sedikit dan tempo gerakan yang paling lambat adalah kelompok tari ciptaan N.L.N. Swasthi Wijaya Bandem. Terdapat gerakan yang sebenarnya berbeda namun terdeteksi sama dan sebaliknya terdapat pula gerakan yang sebenarnya sama namun tidak terdeteksi.

 

Abstract

 

Traditional dances play an important role in the order of Balinese lives. Dances are not only an entertainment but also means of religious ceremonies and tourism assets. There are many types of Balinese dance, but some of the maestro are gone. Technology is expected to contribute of the new dances creation. The objective of this study is to detect the similarity of movement patterns in Balinese dances choreography and to calculate the same movements of several Balinese dances grouped by creator. By finding the number of the same movements in several dances that was created by a maestro, the characteristics such as variations of movements and dance tempos can be identified. This research was conducted under the framework of Project COMPUDANCE (Computerization of Dances), the goal of this project is to create a new dance by identifiying the characteristics of each Balinese dance creator. The newly created dances must have a very high value because some maestros are gone. Dataset in this study are 8 types of Balinese dances come from 3 different maestros. They are Margapati Dance, Panji Semirang Dance and Wiranata Dance were created by I Nyoman Kaler; Cendrawasih Dance, Puspanjali Dance and Sekar Jagat Dance were created by N.L.N. Swasthi Wijaya Bandem; Wiranjaya Dance and Nelayan Dance were created by I Ketut Merdana. To detecting the similarity of movement patterns we use skeletonization method, then followed by extracting shape features of the skeleton images using HOG method. We use euclidean distance method to measure the level of image similarity, there are 5 threshold values that is 1.15, 1.18, 1.20, 1.22 and 1.25. This value was chosen by visual observations of the skeleton image, where an image that visually has the same movement has a threshold value between 1.15 to 1.25. By using these 5 threshold values, the number of same movements is obtained from each dance which is grouped based on its creator. From the result of this study, it was found that the dance created by I Nyoman Kaler has the most dynamic with many variations movement and has the fastest dance tempo. Next in line is the dance created by I Ketut Merdana. The dances with slowest tempo and fewest types of movement is created by N.L.N. Swasthi Wijaya Bandem. There are some different movements that detected as the same movements. Otherwise, there are same movements but not detected.

Downloads

Download data is not yet available.

Biografi Penulis

  • Ni Made Rai Maryati, Universitas Pendidikan Ganesha, Singaraja
    Mahasiswa pada Program Studi Magister Ilmu Komputer.
  • Made Windu Antara Kesiman, Universitas Pendidikan Ganesha, Singaraja
    Dosen pada Program Studi Magister Ilmu Komputer.
  • I Made Gede Sunarya, Universitas Pendidikan Ganesha, Singaraja
    Dosen pada Program Studi Magister Ilmu Komputer.

Referensi

ABU-AIN, W., ABDULLAH, S.N.H.S., BATAINEH, B., ABU-AIN, T. & OMAR, K., 2013. Skeletonization Algorithm for Binary Images. Procedia Technology, 11, pp.704–709. https://doi.org/10.1016/j.protcy.2013.12.248.

ANON. 2001. Python. [online] Python Software Foundation. Tersedia di: <https://docs.python.org/id/3.8/tutorial/index.html>[Diakses pada 20 December 2021].

CHANG, I. XIAOQING & F. CHI, S., 2011. Histogram of the Oriented Gradient for Face Recognition. Tsinghua Science and Technology, 16.

DALAL, N. & TRIGGS, B., 2005. Histograms of oriented gradients for human detection. Proceedings - 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, CVPR 2005, I, pp.886–893. https://doi.org/10.1109/CVPR.2005.177.

FISHER, R., PERKINS, S., WALKER, A. & WOLFART, E., 2003. Morphology - Closing. [online] Tersedia di: <http://homepage.inf.ed.ac.uk> [Diakses pada 26 December 2021].

HARDIANTI, A., 2018. Segmentasi Skeleton Manusia dengan Menggunakan Metode Median Filter dan Thining. IKRAITH-Informatika, 2.

KESIMAN, M.W.A., MAYSANJAYA, I.M.D., PRADNYANA, I.M.A., SUNARYA, I.M.G. & SUPUTRA, P.H., 2020. Profiling Balinese Dances with Silhouette Sequence Pattern Analysis. CENIM 2020 - Proceeding: International Conference on Computer Engineering, Network, and Intelligent Multimedia 2020, pp.423–428. https://doi.org/10.1109/CENIM51130.2020.9297893.

LEE, T.-C. & KASYAP, R.L., 1994. Building Skeleton Models via 3-D Media Surface/Axis Thining Algirithms. Graphical Models and Image Processing, 56(Academic Press, Inc).

MAHENDRA, W., 2018. Sejarah Tari Di Bali. [online] Denpasar. Tersedia di: <http://blog.isi-dps.ac.id/wahyumahendra/34-2> [Diakses pada 15 November 2021].

SAID, K.A.M., JAMBEK, A.B. & SULAIMAN, N., 2016. A study of image processing using morphological opening and closing processes. International Journal of Control Theory and Applications, [online] 9(31), pp.15–21. Tersedia di: <https://www.researchgate.net/publication/314154399> [Diakses pada 16 Desember 2021].

SYAFI’I, S.I., WAHYUNINGRUM, R.T. & MUNTASA, A., 2015. Segmentasi Obyek Pada Citra Digital Menggunakan Metode Otsu Thresholding. Jurnal Informatika Universitas Trunojoyo, Madura, 13. htts://doi.org/10.9744/informatika.13.1.1-8.

TRIER, Ø.D. & TAXT, T., 1995. Evaluation of Binarization Methods for Document Images.

VIRIYAVISUTHISAKUL, S., SANGUANSAT, P., CHARNKEITKONG, P. & HARUECHAIYASAK, C., 2015. A comparison of similarity measures for online social media Thai text classification. ECTI-CON 2015 - 2015 12th International Conference on Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology. https://doi.org/10.1109/ECTICon.2015.7207106.

ZAMAN, L., SUMPENO, S., HARIADI, M., KRISTIAN, Y., SETYATI, E. & KONDO, K., 2020. Modeling basic movements of Indonesian traditional dance using generative long short-term memory network. IAENG International Journal of Computer Science, 47(2), pp.262–270.

Diterbitkan

17-10-2023

Terbitan

Bagian

Ilmu Komputer

Cara Mengutip

Deteksi Persamaan Pola Gerakan pada Koreografi Tari Bali. (2023). Jurnal Teknologi Informasi Dan Ilmu Komputer, 10(5), 1015-1026. https://doi.org/10.25126/jtiik.20231057012