| 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%. |
