STUDI KOMPARASI PERFORMA ARSITEKTUR TRANSFER LEARNING UNTUK KLASIFIKASI MOTIF BATIK BESUREK BENGKULU

Batik Besurek merupakan warisan budaya khas Bengkulu yang memiliki kekayaan motif
dan sering kali mengandung lebih dari satu motif dalam satu citra. Kompleksitas visual
serta ketidakseimbangan distribusi label, khususnya dominasi motif Kaligrafi,
menjadikan klasifikasi motif Batik Besurek sebagai tantangan tersendiri. Penelitian ini
bertujuan untuk membandingkan performa sembilan arsitektur transfer learning dalam
tugas klasifikasi multi-label, yaitu DenseNet201, InceptionV3, InceptionResNetV2,
MobileNetV2, Xception, VGG16, VGG19, ResNet50, dan EfficientNetB3. Dataset yang
digunakan terdiri dari 9.474 citra Batik Besurek. Evaluasi dilakukan menggunakan metrik
accuracy, precision, recall, dan F1-score melalui confusion matrix dan classification
report, serta metrik tambahan seperti Cohen’s Kappa dan Area Under the Curve (AUC)
untuk memberikan gambaran menyeluruh terhadap performa model. Hasil menunjukkan
bahwa DenseNet201 memberikan performa terbaik dengan Final Score sebesar 0.998894
dan AUC sebesar 0.999824, sedangkan EfficientNetB3 menunjukkan performa terendah
dengan Final Score sebesar 0.301087 dan AUC sebesar 0.824841. Penelitian ini
diharapkan dapat mendukung pengembangan sistem klasifikasi otomatis untuk motif
batik serta berkontribusi dalam pelestarian warisan budaya Indonesia melalui penerapan
teknologi kecerdasan buatan.
Kata Kunci: Batik Besurek, Multi-label Classification, Transfer Learning