Capstone Project · Kecerdasan Buatan

Klasifikasi Motif Batik Indonesia dengan Transfer Learning

Implementasi dan analisis perbandingan MobileNetV2 vs EfficientNetB0 untuk mengenali motif batik khas berbagai daerah di Indonesia, dibungkus dalam aplikasi web modern.

Dataset

Jumlah Kelas: 24

Total Gambar: 2204

Status Model

Model belum dilatih. Jalankan halaman Training.

Model Terbaik

Evaluasi belum dijalankan.

Tentang Project Ini

Batik merupakan warisan budaya Indonesia yang memiliki ratusan motif khas dari berbagai daerah, mulai dari Kawung dan Parang di Yogyakarta, Megamendung di Jawa Barat, hingga Truntum di Solo. Mengenali motif batik secara manual membutuhkan keahlian khusus — project ini membangun sistem Computer Vision berbasis Transfer Learning untuk mengklasifikasikan motif batik secara otomatis.

Dua arsitektur CNN pretrained ImageNet dibandingkan secara head-to-head: MobileNetV2 yang ringan dan cepat, serta EfficientNetB0 yang mengedepankan efisiensi parameter dengan compound scaling. Seluruh proses mulai dari preprocessing, augmentasi data, training, evaluasi, hingga deployment dibungkus dalam satu aplikasi web Flask yang modern dan interaktif.

Fitur Utama
  • Preprocessing & Augmentasi otomatis
  • Transfer Learning 2 model
  • Evaluasi lengkap & visualisasi
  • Prediksi real-time via web
  • Analisis perbandingan otomatis
Memproses...