Batik adalah warisan budaya asli Indonesia yang diakui oleh UNESCO sebagai
Warisan Kemanusiaan untuk Budaya Lisan dan Nonbendawi. Sejarah
perkembangan batik di Indonesia mencatat adanya sekitar 181 motif batik yang
tersebar di provinsi-provinsi Indonesia. Motif-motif tersebut dapat dikategorikan
berdasarkan metode pembuatan, daerah asal, dan pola/corak. Dengan adanya
corak-corak yang unik pada setiap batik, teknologi Image Classification dapat
diterapkan untuk mengklasifikasikan corak batik.
Salah satu metode klasifikasi gambar yang dapat diterapkan adalah Deep
Learning dengan Convolutional Neural Network (CNN). Dengan memanfaatkan
teknologi CNN, pengklasifikasian batik akan dimungkinkan dengan melakukan
proses training pada dataset gambar batik. Penulis menerapkan metode transfer
learning dengan menggunakan arsitektur ResNet yang dilatih ulang untuk
klasifikasi gambar batik. Kemudian, model akan diimplementasi pada suatu web
service agar pengguna akan dapat menggunakan kamera pada perangkat pengguna
untuk melakukan klasifikasi gambar batik.
Arsitektur ResNet yang digunakan oleh penulis dilatih terhadap 1394 gambar
batik yang dibagi ke 10 kelas motif. Pembagian dataset adalah 1112 pada training
set, dan 282 pada validation set. Masukkan gambar yang model terima adalah
gambar dengan ukuran 224x224 pixel dengan channel warna RGB.