Penerapan Cycle Consistency Generative Adversarial Network (CycleGAN) untuk Style Transfer batik Madura pada citra flora

Batik Madura merupakan warisan budaya Indonesia yang dikenal dengan warna cerah dan motif flora khas. Tantangan dalam inovasi desain digital terletak pada integrasi elemen flora tanpa menghilangkan identitas visual batik. Penelitian ini menerapkan Cycle-Consistent Generative Adversarial Network (CycleGAN) untuk melakukan style transfer dari citra flora ke motif Batik Madura sebagai pendekatan otomatisasi desain baru. Dataset terdiri atas 150 citra flora (anggrek, seruni, teratai) dan 300 citra Batik Madura, dikelompokkan dalam dua skenario berdasarkan kompleksitas pola: kompleks dan sederhana. Data diperoleh melalui observasi dan web scraping, serta divalidasi oleh pembatik lokal dan akademisi bidang seni. Model dilatih secara terpisah untuk masing-masing skenario menggunakan arsitektur generator berbasis ResNet dan diskriminator PatchGAN. Evaluasi mencakup training loss, Fr´echet Inception Distance (FID), dan Mean Opinion Score (MOS). Pada skenario pola kompleks, generator loss menurun dari 3,31 menjadi 1,62 pada pola sederhana, dari 3,34 menjadi 1,86. Discriminator loss stabil di kisaran 0,10. Skor FID menunjukkan hasil lebih baik pada pola kompleks (192,1076) dibanding sederhana (265,1566), dengan nilai MOS rata-rata 3,71 (pengrajin) dan 3,77 (masyarakat umum). Dari segi kemudahan implementasi ke kain nyata, skenario pola sederhana dinilai 75% lebih mudah diproduksi secara manual dibanding pola kompleks (37,5%). Model ini telah diimplementasikan dalam aplikasi web berbasis Streamlit. Penelitian ini menunjukkan adanya trade-off antara kualitas visual dan kemudahan produksi, serta membuka peluang inovasi desain Batik Madura melalui teknologi generatif.