Penelitian ini bertujuan untuk membangun sistem deteksi dan klasifikasi motif batik Nusantara berbasis computer vision menggunakan algoritma YOLOv11 (You Only Look Once versi 11) sebagai instrumen dokumentasi digital yang berkontribusi pada upaya preservasi dan penguatan keaslian warisan budaya batik Indonesia. Dataset yang digunakan berjumlah 1.202 citra yang mencakup 25 kelas motif batik Nusantara, diperoleh dari tiga sumber, yaitu 640 citra dari Kaggle, 532 citra dari Roboflow, dan 30 citra primer hasil dokumentasi mandiri. Metodologi penelitian mengadopsi kerangka kerja Cross-Industry Standard Process for Data Mining (CRISP-DM) yang terdiri dari enam fase: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, dan Deployment. Proses pelatihan model dilakukan menggunakan arsitektur YOLOv11 varian nano (yolo11n.pt) dengan pendekatan transfer learning pada lingkungan cloud computing Kaggle berbasis GPU Tesla T4, dengan konfigurasi 100 epoch, batch size 16, dan ukuran citra 640×640 piksel. Hasil evaluasi menunjukkan bahwa model mencapai nilai mAP50 sebesar 71,12%, Precision sebesar 75,82%, Recall sebesar 76,28%, dan F1-Score sebesar 76,04% pada keseluruhan 25 kelas motif batik, dengan kelas Jawa_Barat_Megamendung mencapai AP50 sempurna sebesar 100%. Sistem berhasil diimplementasikan sebagai aplikasi berbasis web dan di-deploy secara publik melalui platform Hugging Face Spaces menggunakan pustaka Gradio.

S12667

INF 0189 2026

Bekasi

Tersedia