Rancang Bangun Website Pengenalan Motif Batik Pekalongan Dengan Algoritma Convolutional Neural Network (CNN)

Authors

Abstract

Museum Batik Pekalongan sebagai pusat pelestarian warisan budaya batik sering menghadapi kendala dalam memberikan informasi kepada pengunjung, terutama saat jumlah pengunjung melebihi kapasitas kurator yang tersedia. Selain itu, media informasi yang ada cenderung kurang interaktif dan belum menyajikan penjelasan motif batik secara menyeluruh. Untuk mengatasi masalah tersebut, penelitian ini merancang dan membangun sebuah website pengenalan motif batik Pekalongan berbasis Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Website ini memiliki tiga fitur utama, yaitu klasifikasi motif batik melalui unggahan gambar, penjelasan lengkap tiap motif, dan chatbot interaktif berbasis pencarian semantik untuk menjawab pertanyaan seputar motif. Pengembangan sistem dilakukan secara individu dengan metode Extreme Programming (XP) agar dapat mengikuti kebutuhan pengguna secara fleksibel dan bertahap. Pengujian dilakukan melalui Alpha Test menggunakan Blackbox Testing dan Beta Test dengan User Acceptance Testing (UAT) terhadap 10 pengguna. Hasil Alpha Test menunjukkan bahwa seluruh fungsi berjalan dengan baik dan sesuai kebutuhan. Sementara itu, Beta Test menunjukkan nilai rata-rata kepuasan pengguna sebesar 89,25%, dengan penilaian positif pada aspek kemudahan penggunaan, desain antarmuka, dan kelengkapan informasi. Selain itu, akurasi klasifikasi mencapai 93,75% dari 80 gambar uji pada 8 kelas motif batik. Secara keseluruhan, website ini diharapkan bisa menjadi media edukatif yang menarik dan membantu pelestarian budaya batik di Indonesia. Kata kunci— batik pekalongan, klasifikasi gambar, CNN, chatbot, extreme programming

Downloads

Download data is not yet available.

References

[1] M. Harun Sayyid Ar-Rasyid, P. Miji Lestari, P. Sastra Jawa, F. Bahasa dan Seni, and U. Negeri Semarang, “Motif Batik Ambarawa (Kajian Semiotika),” Journal of Language Education, Literature, and Local Culture, vol. 1, no. 1, pp. 2657–1625, 2024, doi: 10.32585/kawruh.v6i1.5046.

[2] Y. Nora Evita, A. Trihartono, and A. Prabhawati, “Pengakuan UNESCO Atas Batik Sebagai Warisan Budaya Tak Benda (WBTB),” Majalah Ilmiah “DIAN ILMU,” pp. 113–128, 2022.

[3] A. Harkeni, B. Penelitian, P. Daerah, and P. Jambi, “Aksara Incung Sebagai Inspirasi Motif Batik Masyarakat Kerinci,” Khazanah Intelektual, vol. 5, 2021, doi: 10.37250/newkiki.v4i1.98.

[4] E. Churota’ayun and A. Sybilia, “Analisis Perbandingan Batik Di Pekalongan, Jawa Tengah, Indonesia Dan Batik Di Anshun, Guizhou, Tiongkok,” Jurnal Pendidikan Bahasa Mandarin, vol. 2, no. 1, pp. 11–19, 2022.

[5] A. Yudi Aprianingrum and A. Hayati Nufus, “BATIK INDONESIA, PELESTARIAN MELALUI MUSEUM Indonesian Batik, Preservation through Museum,” 2023.

[6] S. S. Untoro and B. Poerbantanoe, “Museum Batik Pekalongan di Kota Pekalongan,” JURNAL eDIMENSI ARSITEKTUR, vol. 9, no. 1, pp. 857–864, 2021.

[7] D. Wahyu Kartikasari and A. Zaki, “Inovasi Motif Batik: Degradasi Makna Filosofis Batik Gedog Dalam Masyarakat,” Journal of Democratia, vol. 2, no. 1, pp. 40–50, 2024, [Online]. Available: http://e-journal.ivet.ac.id/index.php/democratia

[8] A. Kusuma Putra, H. Bunyamin, and K. Maranatha Jl drg Surya Sumantri No, “Pengenalan Simbol Matematika dengan Metode Convolutional Neural Network (CNN),” Jurnal Strategi, vol. 2, no. 2, pp. 426–433, 2020.

[9] Y. Yohannes, D. Udjulawa, and F. Febbiola, “Klasifikasi Lukisan Karya Van Gogh Menggunakan Convolutional Neural Network-Support Vector Machine,” Jurnal Teknik Informatika dan Sistem Informasi, vol. 7, no. 1, Apr. 2021, doi: 10.28932/jutisi.v7i1.3399.

[10] D. Fauziza and Z. Kolina, “Aplikasi Interaktif Pengenalan Batik untuk Pengunjung Pameran Berbasis Android dan Image Processing,” JTET(Jurnal Teknik Elektro Terapan), vol. 11, no. 1, pp. 8–18, 2022.

[11] D. S. Rahmaputri, “Semiotic Analysis Of The Diversity Of Pekalongan Batik Motifs Resulting From Cultural Acculturation,” Jurnal Dimensi Seni Rupa dan Desain, vol. 20, no. 1, pp. 91–106, 2023, doi: 10.25105/dim.v20i1.16943.

[12] Ian. Sommerville, Software Engineering 9th Edition. Pearson, 2011.

[13] S. Khan, H. Rahmani, S. A. A. Shah, and M. Bennamoun, “A Guide to Convolutional Neural Networks for Computer Vision,” Synthesis Lectures on Computer Vision, vol. 8, no. 1, pp. 1–207, Feb. 2018, doi: 10.2200/s00822ed1v01y201712cov015.

[14] Y. A. Hasma and W. Silfianti, “Implementasi Deep Learning Menggunakan Framework Tensorflow Dengan Metode Faster Regional Convolutional Neural Network Untuk Pendeteksian Jerawat,” Jurnal Ilmiah Teknologi dan Rekayasa, vol. 23, no. 2, pp. 89–102, 2018, doi: 10.35760/tr.2018.v23i2.2459.

[15] I. R. Mukhlis, BELAJAR WEB PROGRAMMING: Referensi Pengenalan Dasar Tahapan Belajar Pemrograman Web Untuk Pemula, 1st ed., vol. 1. Jambi: Sonpedia Publishing Indonesia, 2023. [Online]. Available: https://www.researchgate.net/publication/372959551

[16] L. P. Sumirat, D. Cahyono, Y. Kristyawan, and S. Kacung, DASAR-DASAR Rekayasa Perangkat Lunak, vol. 1. 2023. [Online]. Available: www.madzamedia.co.id

[17] J. Dalle, N. Huda, and A. Yusuf, “Implementasi Black Box Testing Pada Aplikasi Mobile,” 2024.

[18] Wulandari, Nofiyani, and H. Hasugian, “User Acceptance Testing (UAT) Pada Electronic Data Preprocessing Guna Mengetahui Kualitas Sistem,” JMIK (JURNAL MAHASISWA ILMU KOMPUTER), vol. 4, no. 1, pp. 20–27, 2023.

Downloads

Published

2025-12-01

Issue

Pages

10082-10090

Section

Prodi S1 Rekayasa Perangkat Lunak - Kampus Purwokerto

How to Cite

Yunus Dani Saputra, M., & Dwi Putro Wicaksono, A. (2025). Rancang Bangun Website Pengenalan Motif Batik Pekalongan Dengan Algoritma Convolutional Neural Network (CNN). EProceedings of Engineering, 12(6), 10082-10090. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/28752