Batik Yogyakarta merupakan warisan budaya Indonesia dengan beragam
motif dan nilai filosofis tinggi. Namun, proses pengenalan dan klasifikasi motif
batik masih bergantung pada pengetahuan pakar, sehingga diperlukan sistem
otomatis yang mampu mengklasifikasikan motif batik secara akurat berdasarkan
citra dan deskripsi teks.
Penelitian ini mengembangkan sistem klasifikasi motif Batik Yogyakarta
menggunakan pendekatan Convolutional Neural Network (CNN) dan Natural
Language Processing (NLP). Tiga arsitektur CNN berbasis transfer learning, yaitu
MobileNetV2, EfficientNetB1, dan ResNet50, diuji dengan variasi jumlah epoch dan
learning rate, sedangkan model NLP dikembangkan menggunakan pendekatan
keyword matching. Evaluasi dilakukan menggunakan metrik akurasi, precision,
recall, dan F1-score.
Hasil penelitian menunjukkan bahwa ResNet50 dengan 30 epoch dan
learning rate 1×10⁻³ memberikan performa terbaik pada klasifikasi citra dengan
akurasi 99,14%, sementara model NLP mencapai akurasi global sebesar 95,7%.
Temuan ini menunjukkan bahwa integrasi CNN dan NLP mampu menghasilkan
sistem klasifikasi motif batik yang akurat dan efisien.