<![CDATA[Identifikasi motif batik di PT Jaya Batik masih dilakukan melalui pengamatan visual sehingga prosesnya bergantung pada pengalaman operator, membutuhkan waktu, dan berpotensi menghasilkan klasifikasi yang tidak konsisten. Penelitian ini bertujuan mengembangkan sistem klasifikasi motif citra batik otomatis menggunakan Convolutional Neural Network berarsitektur Xception dengan strategi transfer learning serta mengintegrasikannya ke dalam aplikasi web berbasis Flask. Dataset penelitian terdiri atas 3.009 citra yang mewakili tujuh kelas motif batik dan dibagi menjadi data latih, validasi, serta pengujian dengan rasio 80:10:10. Citra dipraproses menjadi ukuran 224×224 piksel dan dinormalisasi sebelum digunakan pada model Xception berbobot awal ImageNet. Lapisan dasar model dibekukan, sedangkan lapisan klasifikasi kustom dilatih selama 100 epoch menggunakan optimizer Adam. Hasil pengujian terhadap 301 citra menunjukkan akurasi 99,34% dan weighted average F1-score 0,99. Lima kelas mayoritas memperoleh F1-score 1,00, sedangkan Batik Cendrawasih dan Batik Betawi memperoleh F1-score 0,94 dan 0,83 akibat ketimpangan jumlah data. Sistem menerapkan confidence threshold 85% untuk menolak citra di luar domain pelatihan. Sebelas skenario blackbox dan enam skenario whitebox dinyatakan valid. Aplikasi web mendukung unggahan berkas dan kamera secara real-time serta menampilkan nama, asal daerah, dan filosofi motif. Temuan menunjukkan bahwa Xception dengan transfer learning mampu menghasilkan klasifikasi akurat dan solusi operasional yang praktis.]]>
Copyrights © 2026
