Klasifikasi Citra Motif Batik Sendangagung Paciran Menggunakan Convolutional Neural Network (CNN) dengan Arsitektur VGG16

Zufar Faiil Haq (University of Muhammadiyah Lamongan)
Mufti Ari Bianto (Universitas Muhammadiyah Gorontalo)
Khairul Umam (Universitas Muhammadiyah Gorontalo)

Jurnal Nasional Komputasi dan Teknologi Informasi
Vol. 9 No. 4 (2026): Agustus, 2026

Abstrak - Batik merupakan warisan budaya Indonesia yang memiliki nilai budaya dan filosofis tinggi, termasuk Batik Sendangagung Paciran, Lamongan, yang memiliki motif khas seperti Bandeng Lele, Singo Mengkok, dan Gapuro Paduraksa. Variasi serta kemiripan antar motif batik menyebabkan masyarakat kesulitan mengenali jenis motif batik secara tepat. Penelitian ini bertujuan membangun sistem klasifikasi citra Batik Sendangagung Paciran menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur VGG16. Dataset yang digunakan berjumlah 900 citra melalui dokumentasi langsung di Sido Makmur Batik Lamongan, terdiri atas tiga kelas dengan masing-masing 300 citra. Tahap preprocessing meliputi resize citra 128×128 piksel, normalisasi, augmentasi, serta pembagian data latih, validasi, dan uji. Model dilatih selama 100 epoch menggunakan optimizer Adam dan dievaluasi menggunakan accuracy, precision, recall, F1-score, serta confusion matrix. Hasil penelitian menunjukkan akurasi sebesar 98,89% dengan loss 0,0823. Kelas Batik Bandeng Lele memiliki performa sempurna dengan precision, recall, dan F1-score sebesar 1,00. Kelas Batik Gapuro Paduraksa memperoleh F1-score 0,98, sedangkan Batik Singo Mengkok memperoleh recall 0,97. Hal ini membuktikan bahwa model mampu mengenali setiap motif batik dengan sangat baik dan memiliki tingkat kesalahan prediksi yang rendah. Kata kunci : Batik; Pembelajaran Mendalam; Klasifikasi Citra; CNN; VGG16; Abstract - Batik is an Indonesian cultural heritage that holds high cultural and philosophical value, including Batik Sendangagung Paciran, Lamongan, which has distinctive motifs such as Bandeng Lele, Singo Mengkok, and Gapuro Paduraksa. The variations and similarities between batik motifs make it difficult for the public to accurately recognize the types of batik motifs. This study aims to build an image classification system for Batik Sendangagung Paciran using the Convolutional Neural Network (CNN) method with the VGG16 architecture. The dataset used consists of 900 images obtained through direct documentation at Sido Makmur Batik Lamongan, comprising three classes with 300 images each. The preprocessing stage includes resizing the images to 128×128 pixels, normalization, augmentation, and splitting into training, validation, and test data. The model was trained for 100 epochs using the Adam optimizer and evaluated using accuracy, precision, recall, F1-score, and confusion matrix. The results show an accuracy of 98.89% with a loss of 0.0823. The Batik Bandeng Lele class achieved perfect performance with precision, recall, and F1-score of 1.00. The Batik Gapuro Paduraksa class obtained an F1-score of 0.98, while Batik Singo Mengkok achieved a recall of 0.97. This proves that the model is able to recognize each batik motif very well and has a low prediction error rate. Keywords: Batik; Deep Learning; Image Classification; CNN; VGG16;