Electronic Theses and Dissertation

Abstrak - Batik merupakan salah satu warisan budaya Indonesia yang telah
diakui oleh UNESCO sebagai Warisan Budaya Takbenda Dunia sejak tahun 2009.
Meskipun penelitian mengenai batik dari berbagai daerah di Indonesia telah banyak
dilakukan, studi yang secara khusus membahas motif batik Aceh masih sangat
terbatas. Padahal, upaya pengenalan dan pelestarian motif batik Aceh memiliki
urgensi yang tinggi dalam rangka menjaga kelangsungan warisan budaya daerah.
Berdasarkan latar belakang tersebut, penelitian ini bertujuan untuk membangun
model deep learning yang mampu mengklasifikasikan enam jenis motif batik Aceh
yang populer, yaitu Pinto Aceh, Rencong Aceh, Deheun, Bungong Meulu, Emun
Berangkat, dan Bungong Bambang. Metode penelitian diawali dengan
pembangunan dataset citra motif batik Aceh. Pengumpulan data dilakukan melalui
pemotretan langsung terhadap kain batik Aceh di kantor Dewan Kerajinan Nasional
Aceh dan kantor Dinas Kebudayaan dan Pariwisata Aceh. Pengumpulan data ini
menghasilkan 600 citra awal. Citra-citra tersebut kemudian dilabelkan ke dalam
enam kategori berdasarkan jenis motif dengan validasi pelabelan dilakukan oleh
ahli batik dari Dewan Kerajinan Nasional Aceh. Selanjutnya teknik augmentasi
rotasi dan flipping dilakukan untuk meningkatkan keragaman dan jumlah data,
sehingga menghasilkan dataset akhir yang mengandung 1.800 citra. Dataset ini
digunakan untuk melatih model deep learning berbasis tiga arsitektur
Convolutional Neural Network (CNN), yaitu EfficientNet-B0, MobileNet, dan
ResNet50. Pembagian dataset dilakukan dengan rasio 80% untuk data pelatihan,
10% untuk data validasi, dan 10% untuk data pengujian. Pelatihan model dilakukan
dengan variasi jumlah epoch (20, 40, 60, 80, dan 100) serta tiga nilai learning rate
(0,01; 0,001; dan 0,0001). Evaluasi performa model dilakukan dengan
menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil penelitian
menunjukkan bahwa model terbaik diperoleh menggunakan arsitektur MobileNet
dengan konfigurasi 40 epoch dan learning rate 0,01, yang menghasilkan akurasi
sebesar 96,11%, precision 96,38%, recall 96,11%, dan F1-score 96,11%. Luaran
dari penelitian ini diharapkan dapat berkontribusi dalam proses pendataan,
pengelompokan, serta upaya pelestarian motif batik Aceh melalui pendekatan
teknologi digital berbasis deep learning.
Kata Kunci: Motif Batik Aceh; Convolutional Neural Network (CNN); Deep
Learning; Klasifikasi Citra; Dataset Citra

Abstract - Batik is one of Indonesia’s cultural heritages and has been officially recognized by UNESCO as an Intangible Cultural Heritage of Humanity since 2009. While numerous studies have been conducted on batik from various regions across Indonesia, research specifically focused on Acehnese batik motifs remains scarce. In fact, introducing and preserving Acehnese batik motifs is essential to maintaining the continuity of local cultural heritage. This study aims to develop a deep learning-based model capable of classifying six well-known Acehnese batik motifs: Pinto Aceh, Rencong Aceh, Deheun, Bungong Meulu, Emun Berangkat, and Bungong Bambang. The research began by building a dataset of Acehnese batik motif images collected through direct photography of batik fabrics at the Aceh National Crafts Council and the Aceh Culture and Tourism Office. A total of 600 initial images were collected and labeled into six motif categories, with validation by local batik experts. Data augmentation techniques—rotation and flipping—were applied to increase dataset diversity and volume, resulting in a total of 1,800 images. These images were used to train three Convolutional Neural Network (CNN) architectures: EfficientNet-B0, MobileNet, and ResNet50. The dataset was split into 80% training, 10% validation, and 10% testing. Training was conducted using various epoch settings (20, 40, 60, 80, and 100) and learning rates (0.01, 0.001, and 0.0001). Model performance was evaluated using accuracy, precision, recall, and F1-score. The best results were achieved by the MobileNet architecture with 40 epochs and a learning rate of 0.01, obtaining an accuracy of 96.11%, precision of 96.38%, recall of 96.11%, and an F1-score of 96.11%. This research is expected to contribute to the digital documentation, classification, and preservation of Acehnese batik motifs through the application of deep learning technology. Keywords: Acehnese Batik Motifs, Convolutional Neural Network (CNN), Deep Learning, Image Classification, Image Dataset