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

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