PENERAPAN DEEP LEARNING MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK PADA KLASIFIKASI MOTIF BATIK

ABSTRAK Batik merupakan salah satu warisan budaya indonesia yang telah mendapatkan pengakuan dari UNESCO pada tanggal 2 Oktober 2009. Motif batik di Indonesia memiliki motif yang beragam tergantung hal ini tergantung pada makna, daerah asal, dan corak dari motif itu sendiri. Keberagaman tersebut menyulitkan masyarakat awam untuk membedakan motif-motif yang ada. Oleh karena itu penelitian ini dilakukan untuk menghasilkan model yang dapat mengenali motif batik. Pengolahan citra menggunakan Convolutional Neural Network (CNN) khususnya untuk klasifikasi citra banyak digunakan belakangan ini karena memperoleh hasil yang lebih baik jika dibandingkan dengan metode machine learning konvensional. Data yang digunakan pada penelitian ini berjumlah 521 gambar dengan lima kelas motif batik. Dengan membandingkan dua arsitektur yaitu Efficientnet-B0 dan ResNet-18 dengan beberapa skenario pengukian, akurasi tertinggi didapatkan oleh arsitektur ResNet-18 sebesar 90% unggul 6% dibandingkan dengan arsitektur EfficientNet-b0 yang memperoleh akurasi sebesar 84%. Hal ini juga berbanding lurus dengan nilai F1-Score yang didapatkan yaitu 86,2% untuk ResNet-18 dan 82,4% untuk EfficientNet-b0. Kata kunci: Batik, Convolutional Neural Network (CNN), Deep learning, EfficientNet, ResNe