Electronic Theses and Dissertation

Batik merupakan salah satu jenis warisan budaya Indonesia yang telah diakui secara internasional oleh UNESCO sebagai warisan budaya tak benda dunia. Batik Aceh adalah salah satu dari jenis batik di Indonesia yang memiliki nilai estetika tinggi serta mencerminkan filosofi lokal dalam setiap motifnya. Namun, keberagaman dan kompleksitas motif batik Aceh menyulitkan proses pengenalan secara manual, sementara aplikasi klasifikasi yang ada umumnya berbasis web atau cloud yang bergantung pada koneksi internet dan belum melalui pengujian yang menyeluruh. Penelitian ini mengembangkan aplikasi berbasis Edge AI yang mampu mengklasifikasikan motif batik Aceh secara real-time tanpa bergantung pada koneksi internet, dengan mengintegrasikan model CNN terbaik yaitu MobileNet yang telah dilatih sebelumnya pada enam kelas motif, yaitu Pinto Aceh, Rencong Aceh, Deheun, Bungong Meulu, Emun Berangkat, dan Bungong Bambang. Model dikonversi ke format ONNX untuk mendukung pemrosesan pada perangkat edge yaitu NVIDIA Jetson Orin Nano, dengan antarmuka berbasis Streamlit untuk menampilkan hasil klasifikasi. Pengembangan sistem menggunakan SDLC dengan model Waterfall melalui tahapan studi literatur, analisis kebutuhan, perancangan, pengembangan, pengujian, dan implementasi pada perangkat edge. Hasil pengujian menunjukkan bahwa seluruh 8 skenario fungsionalitas berhasil dijalankan sesuai kebutuhan, waktu inferensi MobileNet pada perangkat Jetson Orin Nano sebesar 0,04 detik per citra yang memenuhi kebutuhan non-fungsional kurang dari 1 detik, skor usability testing menggunakan SUS sebesar 74,0 dengan kategori Baik, serta hasil UAT memperoleh persentase rata-rata 86,40% dengan kategori Sangat Baik.
Kata kunci: Batik Aceh, Edge AI, ONNX, Streamlit.

Batik is one of Indonesia's cultural heritages that has been internationally recognized by UNESCO as an intangible cultural heritage of humanity. Batik Aceh is one of the types of batik in Indonesia that possesses high aesthetic value and reflects local philosophy in each of its motifs. However, the diversity and complexity of Batik Aceh motifs make manual identification challenging, while existing classification applications are generally web- or cloud-based, relying on internet connectivity and lacking comprehensive testing. This study develops an Edge AI-based application capable of classifying Batik Aceh motifs in real time without depending on an internet connection, by integrating the best-performing CNN model, MobileNet, which was pre-trained on six motif classes: Pinto Aceh, Rencong Aceh, Deheun, Bungong Meulu, Emun Berangkat, and Bungong Bambang. The model was converted into ONNX format to support processing on an edge device, namely the NVIDIA Jetson Orin Nano, with a Streamlit-based interface used to display the classification results. The system was developed using the SDLC with the Waterfall model, encompassing the stages of literature study, requirements analysis, design, development, testing, and implementation on the edge device. The test results show that all 8 functionality scenarios were successfully executed according to the requirements, the MobileNet inference time on the Jetson Orin Nano device was 0.04 seconds per image, meeting the non-functional requirement of less than 1 second, the usability testing score using SUS was 74.0, categorized as Good, and the UAT results obtained an average percentage of 86.40%, categorized as Very Good. Keywords: Aceh Batik, Edge AI, ONNX, Streamlit.