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