KLASIFIKASI MOTIF CITRA BATIK BANYUMASAN MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR RESIDUAL NETWORK

Batik merupakan salah satu warisan budaya Indonesia yang diakui UNESCO, dengan setiap daerah memiliki motif yang khas. Salah satu daerah dengan motif batik unik adalah Banyumas, yang dikenal dengan Batik Banyumasan. Motif-motif khas seperti Lumbon, Jahe Srimpang, Pring Sedapur, dan lainnya merepresentasikan identitas lokal. Namun, identifikasi motif secara manual oleh ahli batik membutuhkan waktu lama dan rentan terhadap kesalahan. Oleh karena itu, penelitian ini bertujuan mengembangkan sistem klasifikasi motif Batik Banyumasan berbasis Convolutional Neural Network (CNN) menggunakan arsitektur ResNet (ResNet50, ResNet101, dan ResNet152).Penelitian ini menggunakan dataset gambar motif batik Banyumasan yang diolah dengan teknik augmentasi seperti scale, rotation, dan flip untuk meningkatkan variasi data. Model dilatih dan diuji untuk mengevaluasi kinerjanya berdasarkan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa ResNet50 memiliki kinerja terbaik dengan akurasi 85%, precision 86%, recall 84%, dan F1-score 84%, dibandingkan ResNet101 dan ResNet152. Arsitektur ResNet50 dinilai lebih efektif karena kompleksitasnya yang lebih sederhana, sehingga mampu menangani jumlah data yang terbatas tanpa mengalami overfitting.Penelitian ini memberikan kontribusi dalam pelestarian budaya batik melalui pendekatan digital, mempermudah pengenalan motif Batik Banyumasan secara otomatis, serta menjadi referensi untuk pengembangan teknologi pengenalan citra di bidang seni dan budaya.