KLASIFIKASI JENIS BATIK BOMBA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR EFFICIENT-NET B2 (BATIK BOMBA SULAWESI TENGAH )

Batik adalah salah satu warisan budaya Indonesia yang diakui oleh
UNESCO sebagai warisan dunia. Keanekaragaman motif batik mencerminkan kekayaan budaya dan seni yang perlu dilestarikan. Salah satu
motif batik yang unik adalah batik Bomba dari Kabupaten Donggala, Sulawesi Tengah. Untuk membantu mengklasifikasikan motif batik yang
beragam, penelitian ini menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur EfficientNet-B2. Penelitian ini melibatkanpengumpulan 21 citra batik Bomba dari berbagai sumber di Kota Palu,
Sulawesi Tengah. Proses data preprocessing dilakukan melalui teknik
augmentasi data, sementara model dikembangkan dengan menggunakan
transfer learning dan beberapa teknik optimisasi seperti batch normalization, regulasi, dropout layer, dan fungsi aktivasi ReLU serta softmax.
Model dilatih dengan optimizer Adamax dan early stopping untuk
mencegah overfitting. Hasil pelatihan menunjukkan akurasi tinggi sebesar 100% pada data pelatihan dan 99.59% pada data validasi. Pengujian
menggunakan confusion matrix menunjukkan akurasi total model sebesar
96%, dengan kesalahan klasifikasi minimal pada gambar "maleo". Model
ini berhasil mengklasifikasikan motif batik Bomba dengan tingkat
akurasi yang tinggi, menunjukkan potensi besar penggunaan teknologi
kecerdasan buatan dalam pelestarian dan pengembangan warisan budaya
batik.