Implementasi Convolutional Neural Network (CNN) MobileNetV2 untuk Klasifikasi Motif Batik Klasik Ponorogo Berbasis Web

Abstract

Motif keberagaman Batik Klasik Ponorogo mencerminkan identitas budaya masyarakat Ponorogo melalui karakteristik visual dan nilai filosofis yang terkandung di dalamnya. Proses identifikasi motif batik umumnya masih dilakukan secara manual sehingga memerlukan waktu, ketelitian, dan pengalaman dalam membedakan motif yang memiliki kemiripan visual. Penelitian ini menghadirkan sistem klasifikasi motif Batik Klasik Ponorogo berbasis web dengan memanfaatkan Convolutional Neural Network (CNN) berarsitektur MobileNetV2. Pengembangan aplikasi mengikuti model Waterfall yang meliputi tahap analisis kebutuhan, perancangan, implementasi, dan pengujian. Model klasifikasi diolah menggunakan dataset yang terdiri atas 2.000 citra dan mewakili sepuluh motif Batik Klasik Ponorogo. Setelah proses pelatihan selesai, model diintegrasikan ke dalam aplikasi berbasis Flask sehingga proses identifikasi dapat dilakukan melalui fitur unggah gambar. Model kinerja dianalisis menggunakan Confusion Matrix dan Classification Report , sementara pengujian fungsional aplikasi dilakukan dengan metode Black Box Testing . Hasil evaluasi menunjukkan bahwa model mencapai tingkat akurasi sebesar 90,75%, sementara seluruh fungsi aplikasi berjalan sesuai dengan kebutuhan yang telah ditetapkan. Implementasi sistem ini menunjukkan bahwa penerapan MobileNetV2 mampu mendukung proses identifikasi Motif Batik Klasik Ponorogo secara lebih cepat, konsisten, dan mudah diakses, sekaligus memberikan kontribusi terhadap upaya pelestarian budaya melalui pemanfaatan teknologi kecerdasan buatan.