ABSTRAK

Batik adalah salah satu budaya seni Indonesia yang paling dikenal di dunia dan
memiliki motif serta jenis batik tradisional yang berbeda-beda dan memiliki
keunikannya sendiri-sendiri. Namun sayangnya, masih begitu banyak masayarakat
Indonesia yang belum dapat membedakan jenis-jenis batik berdasarakan motifnya.
Karena itulah dibutuhkan sebuah cara untuk membantu masyarakat agar mudah
untuk dapat membedakan jenis-jenis batik berdasarkan motifnya. Penelitian ini
dilakukan untuk mengklasifikasikan jenis-jenis batik berdasarkan motifnya dengan
menggunakan model deep learning Convolutionan Neural Network dengan
menggunakan Data Augmentation dan Hyperparameter Tuning. CNN termasuk
dalam jenis Deep Neural Network karena kedalaman jaringannya yang tinggi dan
banyak diterapkan pada data citra. Selain itu diterapkan pula Data Augmentation
dan Hyperparameter Tuning untuk mengurangi overfitting. Hasil dari penelitian ini
menunjukkan model CNN yang menggunakan optimasi Data Augmentation dan
Hyperparameter Tuning mendapatkan nilai akurasi validasi, presisi dan recall jauh
lebih tinggi yaitu sebesar 66,67% dibandingkan dengan mode CNN yang tidak
menggunakan Data Augmentation dan Hyperparameter Tuning yang memiliki
akurasi validasi, presisi, dan recall sebesar 28,15%. Selain itu diantara Data
Augmentation dan Hyperparameter Tuning, Data Augmentation lah yang paling
mempengaruhi peningkatan akurasi validasi, presisi, dan recall dibandingkan
Hyperparameter Tuning dengan peningkatan akurasi validasi menjadi 64% dari
akurasi validasi sebesar 28,15%.