Implementasi CNN berbasis Autoencoder pada Klasifikasi Pola Batik

Abstract

Batik sebagai warisan budaya Indonesia memiliki keragaman motif yang perlu dilestarikan. Batik yang menjadi warisan budaya, memiliki tantangan untuk pengenalan pola yang ditujukan untuk melestarikan motif sesuai identifikasi ciri khas wilayahnya. Penelitian ini bertujuan untuk mengeksplorasi potensi alternatif autoencoder dalam identifikasi pola batik. Pemanfaatan teknologi kecerdasan buatan, khususnya autoencoder, diharapkan dapat dilakukan sebagai identifikasi motif batik secara akurat. Autoencoder dipilih karena kemampuannya dalam belajar representasi dengan mereduksi dimensi data secara otomatis tanpa memerlukan rekayasa fitur yang kompleks. Hasil penelitian menunjukkan bahwa autoencoder mampu mencapai akurasi 95,4% untuk data training, dan akurasi 93,7% untuk data testing. Penelitian ini memberikan kontribusi dalam pengembangan metode klasifikasi pola batik berbasis deep learning. Hasil yang diperoleh menunjukkan potensi autoencoder sebagai alat untuk pelestarian dan dokumentasi identifikasi motif batik.