"Batik adalah budaya yang sangat melekat di Indonesia, sehingga dapat menemukan
batik di seluruh Nusantara dengan gaya unik mereka salah satunya batik jambi.
batik Jambi, sebagai bagian tak terpisahkan dari warisan budaya Indonesia,
memiliki kekhasan dalam motif dan makna yang terkandung di dalamnya.
Meskipun demikian, pemahaman masyarakat Jambi terhadap motif-motif batiknya
masih terbatas. Penelitian ini bertujuan untuk mengembangkan sebuah sistem
klasifikasi otomatis untuk mengidentifikasi motif batik Jambi dengan
memanfaatkan teknologi kecerdasan buatan, khususnya Convolutional Neural
Network (CNN). Dengan menggunakan arsitektur VGG16 yang telah terbukti
efektif dalam pengenalan gambar, penelitian ini akan membangun model yang
mampu mengklasifikasikan berbagai motif batik Jambi. Proses klasifikasi
melibatkan pengumpulan data gambar batik, augmentasi data untuk meningkatkan
variasi data latih, dan pelatihan model CNN. Hasil yang diharapkan adalah sebuah
sistem yang dapat membantu masyarakat Jambi, khususnya generasi muda, untuk
lebih mengenal dan menghargai kekayaan motif batik Jambi, serta berkontribusi
dalam pelestarian budaya batik Indonesia. Melalui sistem ini, diharapkan dapat
mengidentifikasi beragam motif batik Jambi dengan akurat, sehingga masyarakat
dapat lebih mengenal dan menghargai kekayaan budaya batik Jambi. Dengan
demikian, teknologi dapat menjadi jembatan untuk melestarikan warisan budaya
Indonesia. Citra motif batik jambi yang gunakan untuk klasifikasi 1215 citra yang
terdiri dari 15 motif yang berbeda seperti angso duo, Batanghari, bungo melati dan
sebagainya. Pada penelitian ini menggunakan arsitektur VGG16, VGG16
merupakan alat yang kuat untuk melakukan klasifikasi gambar, termasuk klasifikasi
motif batik Jambi. Dengan memahami tahapan kerjanya, kita dapat lebih baik dalam
mengaplikasikan dan mengoptimalkan model ini untuk berbagai tugas pengenalan
gambar. Hasil akurasi tertinggi pada klasifikasi citra motif batik Jambi
menggunakan CNN didapatkan pada model final. Model final memiliki akurasi
sebesar 97,43%, validation akurasi 99.11%, rata-rata precision, Recall, dan F1-
Score sebesar 99,00%. Nilai akurasi, precision, recall, dan F1-Score yang didapat
model final diatas 95% yang berarti model final dapat mengklasifikasikan motif
batik Jambi dengan sangat baik."