KOMPUTASI: JURNAL ILMIAH ILMU KOMPUTER DAN MATEMATIKA VOL. 20 (1) (2023), XX-XX p-ISSN: 693-7554, e-ISSN: 2654-3990MuhammadFalleryanauthorKOMPUTASI: JURNAL ILMIAH ILMU KOMPUTER DAN MATEMATIKA VOL. 20 (1) (2023), XX-XX p-ISSN: 693-7554, e-ISSN: 2654-3990 Received: xx xxxxx 20xx, Accepted: xx xxxxx 20xx and available online xx xxxxx 20xx DOI: https://doi.org/10.33751/komputasi.v19i2.5260 Model Identifikasi Motif Batik Bogor Berbasis Convolutional Neural Network dengan Arsitektur ResNet-50 Muhammad Falleryan* Program Studi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pakuan, Bogor, Jawa Barat 16143, Indonesia *Penulis korespondensi. Abstrak Penelitian ini bertujuan mengembangkan sistem identifikasi otomatis motif Batik Kemang Bogor menggunakan Convolutional Neural Network (CNN) dengan arsitektur ResNet-50 dan teknik Transfer Learning. Batik Kemang dipilih karena merupakan motif lokal yang relatif baru dan memiliki kemiripan visual dengan motif batik daerah lain sehingga berpotensi menimbulkan kesalahan identifikasi secara manual. Dataset yang digunakan berjumlah 3.010 citra, terdiri atas 160 citra primer Batik Kemang yang diperoleh dari sentra produksi di Kecamatan Kemang dan 2.850 citra sekunder dari 19 motif batik Nusantara. Penelitian menerapkan pendekatan Knowledge Discovery in Databases (KDD) yang mencakup data collection and selection, pre-processing, transformation, data mining, serta interpretation and evaluation. Citra diseragamkan menjadi 224×224 piksel, dinormalisasi, dan diperluas melalui augmentasi. Tiga skenario pembagian data, yaitu 70:15:15, 80:10:10, dan 90:5:5, diuji untuk memperoleh konfigurasi terbaik. Hasil menunjukkan pembagian 80:10:10 menghasilkan akurasi uji tertinggi sebesar 92,69% dengan loss 0,2242. Pada evaluasi yang dipetakan menjadi dua kategori, yaitu Batik Kemang dan Bukan Batik Kemang, model memperoleh akurasi 98,01%, precision 1,00, recall 0,62, dan F1-score 0,77 untuk kelas Batik Kemang. Model kemudian diintegrasikan ke dalam website menggunakan Flask sebagai backend dan Next.js sebagai frontend dengan ambang confidence score 80%. Kata Kunci: Batik Kemang; Convolutional Neural Network; ResNet-50; Transfer Learning; Identifikasi CitraIlmu Komputer2026-07-08Universitas Pakuan;Fakultas Matematika dan Pengetahuan AlamThesis