TY  - THES
PB  - Universitas Pakuan
M1  - Skripsi
Y1  - 2026/07/08/
ID  - eprintsunpak11227
N2  - KOMPUTASI: 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 Citra
UR  - http://eprints.unpak.ac.id/11227/
TI  - KOMPUTASI: JURNAL ILMIAH ILMU KOMPUTER DAN MATEMATIKA
VOL. 20 (1) (2023), XX-XX p-ISSN: 693-7554, e-ISSN: 2654-3990
AV  - none
A1  - Falleryan, Muhammad
ER  -