Pengembangan Aplikasi Android Untuk Deteksi Dan Klasifikasi Motif Batik Berbasis Convolutional Neural Network (CNN)
Abstrak
Abstrak — Batik merupakan warisan budaya Indonesia yang kaya akan motif dan nilai filosofis. Namun, masyarakat masih mengalami kesulitan dalam mengenali motif batik akibat kompleksitas visual dan keterbatasan akses informasi. Penelitian ini bertujuan mengembangkan aplikasi Android bernama Batikara yang mampu mendeteksi dan mengklasifikasikan motif batik secara otomatis menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2, serta memberikan informasi edukatif melalui artikel batik. Model klasifikasi MobileNetV2 memperoleh akurasi tertinggi sebesar 92%, diikuti oleh DenseNet121 dengan akurasi 90%, serta ResNet50 dengan akurasi 77%. MobileNetV2 menunjukkan performa yang paling stabil dan efisien untuk implementasi pada perangkat mobile, serta memiliki kapabilitas yang unggul dalam mengklasifikasikan motif batik yang memiliki kemiripan visual dan pola yang kompleks. Sebaliknya, ResNet50 cenderung kurang optimal dalam membedakan motif-motif batik yang serupa secara visual. Untuk deteksi objek, model SSD MobileNetV2 mencatat nilai Average Precision (AP) tertinggi 0,722 pada IoU 0,50, meskipun performa menurun pada objek kecil. Evaluasi usability melalui System Usability Scale (SUS), black box testing, dan task scenario menghasilkan skor SUS sebesar 83,17, efektivitas 88,9%, dan efisiensi 77,16%. Responden, termasuk pelaku UMKM, menilai fitur pemindaian sangat membantu dan edukatif. Aplikasi Batikara berpotensi menjadi sarana pelestarian budaya sekaligus memberdayakan UMKM batik melalui teknologi digital.
Kata kunci— Aplikasi Android, Batik, CNN, Klasifikasi Citra, MobileNetV2, TensorFlow Lite
Referensi
[1] A. Atika, N. Kholifah, S. Nurrohmah, and R. Purwiningsih, “Eksistensi Motif batik klasik pada generasi Z,” TEKNOBUGA: Jurnal Teknologi Busana dan Boga, vol. 8, no. 2, pp. 141–144, 2020.
[2] I. Maulana, H. Sastypratiwi, H. Muhardi, N. Safriadi, and H. Sujaini, “Implementasi Convolutional Neural Network (CNN) untuk Klasifikasi Motif Batik pada Aplikasi Computer Vision Berbasis Android,” JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 9, no. 3, pp. 384–393, 2023.
[3] A. Suharson, “BATIK DALAM KONSTELASI BUDAYA GLOBAL: MERAJUT KEMBALI NILAI-NILAI ESTETIKA, ETIKA, DAN RELIGIUS,” in Prosiding Seminar Nasional Industri Kerajinan dan Batik, 2021, pp. 11–13.
[4] 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.
[5] Statista Research Department, “Indonesia: mobile OS share 2024 | Statista,” https://www.statista.com/statistics/262205/market-share-held-by-mobile-operating-systems-in-indonesia/. Accessed: Jan. 15, 2025. [Online]. Available: https://www.statista.com/statistics/262205/market-share-held-by-mobile-operating-systems-in-indonesia/
[6] disty anastasya, S. Fahri, and S. Situmorang, “Implementasi Metode Convolutional Neural Network (CNN) Dalam Klasifikasi Motif Batik.,” NUANSA INFORMATIKA, vol. 18, no. 1, pp. 1–5, Jan. 2024, doi: 10.25134/ilkom.v18i1.21.
[7] A. A. Elngar et al., “Image classification based on CNN: a survey,” Journal of Cybersecurity and Information Management, vol. 6, no. 1, pp. 18–50, 2021.
[8] F. Arin and Y. S. Dwanoko, “APLIKASI PENGENALAN BUDAYA SUMBA BERBASIS ANDROID: APLIKASI PENGENALAN BUDAYA SUMBA BERBASIS ANDROID,” RAINSTEK: Jurnal Terapan Sains dan Teknologi, vol. 3, no. 1, pp. 64–74, Mar. 2021, doi: 10.21067/jtst.v3i1.4508.
[9] R. B. Abiyyi, E. R. Subhiyakto, and F. T. Sabilillah, “Centing: Aplikasi Cegah Stunting Anak berbasis Android menggunakan TensorFlow Lite,” Edumatic: Jurnal Pendidikan Informatika, vol. 8, no. 2, pp. 625–634, 2024.
[10] R. R. M. Akbar, F. Rizal, and W. J. Shudiq, “Implementasi Algoritma Convolutional Neural Network (Cnn) Untuk Deteksi Kesegaran Telur Berbasis Android,” Jusikom: Jurnal Sistem Komputer Musirawas, vol. 8, no. 1, pp. 1–10, 2023.
[11] M. R. D. Ulhaq, M. A. Zaidan, and D. Firdaus, “Pengenalan Ekspresi Wajah Secara Real-Time Menggunakan Metode SSD Mobilenet Berbasis Android,” Journal of Technology and Informatics (JoTI), vol. 5, no. 1, pp. 48–52, 2023.
[12] A. R. Prasetyo and B. Aditya, “Analisis Perbandingan Algoritma Support Vector Machine (SVM) dan Convolutional Neural Network (CNN) untuk Sistem Deteksi Katarak,” Jurnal Ilmiah Teknik Mesin, Elektro dan Komputer, vol. 3, no. 1, pp. 1–10, 2023.
[13] L. Hakim, S. P. Kristanto, D. Yusuf, and F. N. Afia, “Pengenalan Motif Batik Banyuwangi Berdasarkan Fitur Grey Level Co-Occurrence Matrix,” Jurnal Teknoinfo, vol. 16, no. 1, pp. 1–7, 2022.
[14] F. Haswan and H. Nopriandi, “Perancangan Model Sistem Informasi Penjualan Batik Kuansing,” Jurnal Teknik Komputer, vol. 6, no. 2, pp. 207–211, 2020.
[15] Y. P. Supriono, Ensiklopedia The Heritage Of Batik, Identitas Pemersatu Kebanggaan Bangsa. Penerbit Andi, 2024. Accessed: Mar. 17, 2025. [Online]. Available: https://books.google.co.id/books?hl=id&lr=&id=Q5T3EAAAQBAJ&oi=fnd&pg=PR2&dq=Ensiklopedia+The+Heritage+Of+Batik,+Identitas+Pemersatu+Kebanggaan+Bangsa&ots=kwLwDam2MY&sig=9CpMnkgT0HaYJZYgk2I8XYNmm7M&redir_esc=y#v=onepage&q=Ensiklopedia%20The%20Heritage%20Of%20Batik%2C%20Identitas%20Pemersatu%20Kebanggaan%20Bangsa&f=false
[16] A. Wulandari, Batik Nusantara: Makna filosofis, cara pembuatan, dan industri batik. Penerbit Andi, 2022.
[17] D. Djuniwarti, H. Kurniawan, and S. Karisa, “PENGEMBANGAN MOTIF BATIK SINGOBARONG KERATON CIREBON BERGAYA FLATDESIGN UNTUK GENERASI MILLENIAL,” Bookchapter ISBI Bandung, 2024.
[18] M. E. Widiana and K. Karsam, “BUKU REFERENSI Strategi Manajemen Standarisasi Batik Untuk Meningkatkan Pemasaran Yang Berdaya Saing Di Era Revolusi Industri 4.0,” 2024.
[19] T. B. Sasongko, H. Haryoko, and A. Amrullah, “Analisis Efek Augmentasi Dataset dan Fine Tune pada Algoritma Pre-Trained Convolutional Neural Network (CNN),” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 10, no. 4, pp. 763–768, 2024.
[20] I. Goodfellow, Y. Bengio, A. Courville, and Y. Bengio, Deep learning, vol. 1, no. 2. MIT press Cambridge, 2016.
[21] S. Albawi, T. A. Mohammed, and S. Al-Zawi, “Understanding of a convolutional neural network 2017 International Conference on Engineering and Technology (ICET),” New York. IEEE, pp. 1–6, 2017.
[22] M. Krichen, “Convolutional neural networks: A survey,” Computers, vol. 12, no. 8, p. 151, 2023.
[23] M. Sandler, A. Howard, M. Zhu, A. Zhmoginov, and L.-C. Chen, “Mobilenetv2: Inverted residuals and linear bottlenecks,” in Proceedings of the IEEE conference on computer vision and pattern recognition, 2018, pp. 4510–4520.
[24] G. Huang, Z. Liu, L. Van Der Maaten, and K. Q. Weinberger, “Densely connected convolutional networks,” in Proceedings of the IEEE conference on computer vision and pattern recognition, 2017, pp. 4700–4708.
[25] K. He, X. Zhang, S. Ren, and J. Sun, “Deep residual learning for image recognition,” in Proceedings of the IEEE conference on computer vision and pattern recognition, 2016, pp. 770–778.
[26] M. A. Aziz, A. S. Rachman, and I. M. B. Suksmadana, “PENGUJIAN DETEKSI OBJEK MANUSIA MENGGUNAKAN JETSON NANO DENGAN MODEL SSD MOBILENETV2,” Jurnal Informatika Teknologi dan Sains (Jinteks), vol. 6, no. 4, pp. 830–840, 2024.
[27] Y. H. Natbais and A. B. S. Umbu, “Aplikasi deteksi penyakit pada daun tomat berbasis android menggunakan model terlatih Tensorflow Lite,” Teknotan: Jurnal Industri Teknologi Pertanian, vol. 17, no. 2, pp. 83–90, 2023.
[28] A. M. Sampurna, A. Setiawan, and H. A. Al Kautsar, “Development of an Android Application to Identify Fish Species Using Kotlin-based Android Studio,” Jurnal Teknik Komputer, vol. 11, no. 1, pp. 19–31, 2025.
[29] S. Herlinah and K. H. Musliadi, Pemrograman Aplikasi Android dengan Android Studio, Photoshop, dan Audition. Elex Media Komputindo, 2019.
[30] I. Rachmawati and R. Setyadi, “Evaluasi Usability Pada Sistem Website Absensi Menggunakan Metode SUS,” Journal of Information System Research (JOSH), vol. 4, no. 2, pp. 551–561, 2023.
[31] E. Novalia and A. Voutama, “Black Box Testing dengan Teknik Equivalence Partitions Pada Aplikasi Android M-Magazine Mading Sekolah,” Syntax: Jurnal Informatika, vol. 11, no. 01, pp. 23–35, 2022.
[32] H. Firdaus and A. Zakiah, “Implementation of usability testing methods to measure the usability aspect of management information system mobile application (Case study sukamiskin correctional institution),” IJ Mod. Educ. Comput. Sci, vol. 5, pp. 58–67, 2021.
[33] A. Y. Wicaksono, N. Suciati, C. Fatichah, K. Uchimura, and G. Koutaki, “Modified convolutional neural network architecture for batik motif image classification,” IPTEK Journal of Science, vol. 2, no. 2, 2017.
[34] N. M. Safira, “Indonesia Batik Dataset,” 2024, Accessed: Jul. 17, 2025. [Online]. Available: https://www.kaggle.com/datasets/nadyams/indonesia-batik-dataset/data
