Indonesia memiliki kekayaan budaya yang mendunia, salah satunya adalah batik yang sejak tahun 2009 telah diakui UNESCO sebagai Warisan Budaya Tak Benda. Pengetahuan masyarakat yang minim, terutama generasi muda, terhadap ragam motif batik yang kaya makna menjadi tantangan dalam pelestariannya. Penelitian ini bertujuan untuk mengembangkan sistem deteksi motif batik berbasis machine learning melalui perangkat mobile guna mempermudah proses identifikasi batik sekaligus mengkaji pengaruh pemilihan hyperparameter terhadap kinerja model, serta melihat apakah terjadi penurunan performa setelah integrasi ke aplikasi mobile. Proses penelitian meliputi enam tahap dimulai dari Data Collection, Data Preprocessing, Data Augmentation, Hyperparameter Tuning, Model Training, dan Model Evaluation. Dataset yang digunakan berasal dari Kaggle dengan total 1.350 gambar dari 15 kelas motif batik, yang kemudian diperluas menjadi 3.845 gambar melalui augmentasi. 24 skenario kombinasi hyperparameter diuji untuk memperoleh model terbaik, yang kemudian dikonversi ke format TFLite dan diintegrasikan ke aplikasi mobile berbasis Kotlin. Pengujian menggunakan 300 gambar uji menghasilkan nilai f-measure rata-rata sebesar 0.79, sama dengan hasil evaluasi model sebelum integrasi, yang menunjukkan bahwa performa model tetap stabil. Hasil ini menunjukkan bahwa aplikasi deteksi motif batik berbasis machine learning ini berpotensi menjadi sarana edukatif dan pelestarian budaya yang efektif.