SUMMARY
Penelitian ini bertujuan untuk mengetahui pengaruh data augmentation Random Erasing dan GridMask pada klasifikasi batik dengan 550 gambar yang terbagi menjadi 5 kelas, yaitu Ceplok, Kawung, Lereng, Nitik, dan Parang. Dataset terbagi menjadi data train, validation, dan test dengan perbandingan 70% : 20% : 10% sehingga masing-masing data train dan validation terdiri dari 500 gambar dan jumlah data test adalah 50 gambar. Kami mengimplementasikan data augmentation Random Erasing dan GridMask pada model pre-trained VGG16 dengan metode transfer learning dan fine-tuning (melakukan training pada block5 convolutional layer).Berdasarkan training menggunakan model pre-trained VGG16 pada dataset batik dengan membandingkan metode fine-tuning dan transfer learning menunjukkan bahwa metode fine-tuning menghasilkan akurasi lebih tinggi daripada transfer learning. Training tanpa data augmentation dapat menghasilkan akurasi yang lebih tinggi daripada saat menggunakan data augmentation, namun masih mengalami overfitting. Overfitting tersebut dapat diperkecil dengan mengimplementasikan data augmentation Random Erasing dan GridMask.