Aplikasi Android untuk Klasifikasi Motif Batik Nitik Yogyakarta Menggunakan VGG-16 dan ImageNet
Abstract
Batik merupakan warisan budaya Indonesia yang memiliki ragam motif khas di setiap daerah. Salah satu motif yang unik adalah batik nitik khas Yogyakarta, berjumlah 60 jenis, terinspirasi dari kain tenun Patola India dan diyakini sebagai salah satu motif tertua di Keraton Yogyakarta. Penelitian ini bertujuan mengembangkan aplikasi Android untuk klasifikasi otomatis motif batik nitik. Aplikasi ini menggunakan arsitektur CNN VGG-16 dengan teknik transfer learning dari ImageNet agar pelatihan model deep learning lebih efisien. Dataset yang digunakan terdiri dari 960 citra batik nitik yang di augmentasi dengan rotasi 90˚, 180˚, dan 270˚, serta ditambah lima teknik augmentasi lainnya sehingga total menjadi 4800 gambar. Model yang dilatih mampu mengklasifikasikan motif dengan akurasi validasi 80%. Aplikasi memungkinkan pengguna mengidentifikasi motif batik melalui foto dari kamera atau galeri, serta menampilkan persentase klasifikasi. Solusi ini mendukung edukasi dan pelestarian budaya batik secara digital.
References
Adithama, S. P., Dwiandiyanta, B. Y., & Wiadji, S. B. (2023). Identification of Batik in Central Java using Transfer Learning Method. Jurnal Buana Informatika, 14(02). https://doi.org/10.24002/jbi.v14i02.6977
Alya, R. F., Wibowo, M., & Paradise, P. (2023). CLASSIFICATION OF BATIK MOTIF USING TRANSFER LEARNING ON CONVOLUTIONAL NEURAL NETWORK (CNN). Jurnal Teknik Informatika (Jutif), 4(1). https://doi.org/10.52436/1.jutif.2023.4.1.564
Azmi, K., Defit, S., & Sumijan, S. (2023). Implementasi Convolutional Neural Network (CNN) Untuk Klasifikasi Batik Tanah Liat Sumatera Barat. JURNAL UNITEK, 16(1). https://doi.org/10.52072/unitek.v16i1.504
Eskak, E., & Salma, R. I. (2018). MENGGALI NILAI-NILAI SOLIDARITAS DALAM MOTIF-MOTIF BATIK INDONESIA. http://www.bsn.go.id/
Faisal, A., Gunawan, A., Supiandi, A., Suherman, A., & Kusnadi, I. T. (2018). APLIKASI PENGENALAN BATIK TRADISIONAL INDONESIA BERBASIS ANDROID. Jurnal Teknologi Dan Informasi, 8(1). https://doi.org/10.34010/jati.v8i1.905
Fatimah, N. S., & Agustin, S. (2025). Klasifikasi Citra Batik Menggunakan Local Binary Pattern (LBP) dan Support Vector Machine (SVM). Jurnal Algoritma, 22(1), 185–196. https://doi.org/10.33364/algoritma/v.22-1.2208
Gultom, Y., Arymurthy, A. M., & Masikome, R. J. (2018). Batik Classification using Deep Convolutional Network Transfer Learning. Jurnal Ilmu Komputer Dan Informasi, 11(2). https://doi.org/10.21609/jiki.v11i2.507
Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2017). ImageNet classification with deep convolutional neural networks. Communications of the ACM, 60(6). https://doi.org/10.1145/3065386
LeCun, Y., Hinton, G., & Bengio, Y. (2015). Deep learning (2015), Y. LeCun, Y. Bengio and G. Hinton. Nature, 521.
Maulana, I., Sastypratiwi, H., Muhardi, H., Safriadi, N., & Sujaini, H. (2023). Implementasi Convolutional Neural Network (CNN) untuk Klasifikasi Motif Batik pada Aplikasi Computer Vision Berbasis Android. Jurnal Edukasi Dan Penelitian Informatika.
Mawan, R. (2020). Klasifikasi motif batik menggunakan Convolutional Neural Network. JNANALOKA. https://doi.org/10.36802/jnanaloka.2020.v1-no1-45-50
Nur Ramadhan, D., Aldi Erwanto, R., & Tan Enwan, R. (2024). Klasifikasi Batik Menggunakan Algoritma CNN (Convolutional Neural Network) (Vol. 3).
Sasongko, T. B., Haryoko, H., & Amrullah, A. (2023). Analisis Efek Augmentasi Dataset dan Fine Tune pada Algoritma Pre-Trained Convolutional Neural Network (CNN). Jurnal Teknologi Informasi Dan Ilmu Komputer, 10(4). https://doi.org/10.25126/jtiik.20241046583
Satria Yudha Kartika, D., & Maulana, H. (2021). Preprosesing dan normalisasi pada dataset kupu-kupu untuk ekstraksi fitur warna, bentuk dan tekstur. Journal of Computer, Electronic, and Telecommunication, 1(2). https://doi.org/10.52435/complete.v1i2.76
Simonyan, K., & Zisserman, A. (2015). Very Deep Convolutional Networks for Large-Scale Image Recognition. http://arxiv.org/abs/1409.1556
Soekarta, R., Yusuf, M., Hasa, Muh. F., & Basri, N. A. (2023). IMPLEMENTASI DEEP LEARNING UNTUK DETEKSI JENIS OBAT MENGGUNAKAN ALGORITMA CNN BERBASIS WEBSITE. JIKA (Jurnal Informatika), 7(4). https://doi.org/10.31000/jika.v7i4.9751
Tammina, S. (2019). Transfer learning using VGG-16 with Deep Convolutional Neural Network for Classifying Images. International Journal of Scientific and Research Publications (IJSRP), 9(10). https://doi.org/10.29322/ijsrp.9.10.2019.p9420
Wulandari, S. (2020). Clustering Kecamatan Di Kota Bandung Berdasarkan Indikator Jumlah Penduduk Dengan Menggunakan Algoritma K-Means. Semnas Ristek.
Zahin, A., Aqthar, A., & Prapanca, A. (2025). Sistem Rekomendasi Motif Batik Sesuai dengan Kebutuhan Acara Pernikahan Pengguna Menggunakan Metode Content-Based Filtering. Journal of Informatics and Computer Science, 06.
Zuhro R A. (2021). TRADISI NITIK: KARAKTERISTIK, PROSES, DAN MAKNA BATIK NITIK YOGYAKARTA. Jurnal Penelitian Humanior
Full Text: PDF