PEMBUATAN MOTIF BATIK MENGGUNAKAN CONDITIONAL GENERATIVE ADVERSARIAL NETWORKS (CGAN)

Abstract

Stagnasi inovasi motif batik menjadi salah satu tantangan dalam pelestarian dan pengembangan batik sebagai warisan budaya Indonesia. Penelitian ini bertujuan untuk mengembangkan model Conditional Generative Adversarial Networks (CGAN) dalam menghasilkan motif batik baru yang memiliki keragaman pola dan kualitas visual yang baik. Dataset berupa citra motif batik dari berbagai daerah di Indonesia dipraproses melalui resizing ke resolusi 128×128 piksel, normalisasi, serta augmentasi geometris. Model CGAN dilatih menggunakan beberapa konfigurasi parameter, meliputi variasi jumlah epoch dan learning rate. Evaluasi kinerja model dilakukan secara kuantitatif menggunakan Inception Score (IS) dan Fréchet Inception Distance (FID). Hasil penelitian menunjukkan bahwa konfigurasi pelatihan dengan 1.000 epoch dan learning rate 0,0001 menghasilkan performa terbaik dengan nilai IS sebesar 3,10 ± 0,06 dan FID sebesar 32,40. Hasil ini mengindikasikan bahwa pemilihan parameter pelatihan yang tepat berpengaruh signifikan terhadap kualitas dan keragaman motif batik yang dihasilkan oleh model CGAN.