ABSTRAK Nama : Remmy Augusta Menzata Z Program Studi : Magister Ilmu Komputer Judul : Sistem Perolehan Citra Berbasis Konten dan Klasifikasi Citra Batik dengan Convolutional Stacked Autoencoder Batik adalah kain tradisional warisan budaya Indonesia yang harus dilestarikan. Batik dapat dikenali atau dibedakan berdasarkan motif dan pola yang dimilikinya. Namun, keberagaman pola, motif, warna, teknik produksi, dan lain-lain menjadi tantangan dalam penelitian untuk mengenali batik. Penelitian yang ada sebelumnya menggunakan hand-crafted features karena peneliti harus mendefinisikan sendiri fitur dan low-level features karena peneliti hanya mendeskripsikan komponen individual dari batik. Pada penelitian ini, kedua hal tersebut akan ditangani dengan sebuah model deep network yang penulis usulkan yaitu convolutional stacked autoencoder. Pada eksperimen pertama menggunakan data digit, model yang diajukan berhasil mendapatkan akurasi 97.28% melampaui akurasi model convolutional lainnya. Pada eksperimen kedua dilakukan eksperimen dengan patch kecil batik didapatkan akurasi sebesar 41.9% untuk menebak motif dari patch, hasil ini sudah melebihi akurasi dengan menggunakan hand-crafted feature. Pada eksperimen terakhir yang dilakukan dengan data batik menggunakan parameter terbaik, didapatkan akurasi klasifikasi sebesar 81.73%, average precision 53.65%, dan average recall 68.12%, untuk perolehan citra dengan top-average data. Kata Kunci: batik, sistem perolehan citra berbasis konten, klasifikasi, deep network, convolutional stacked autoencoder vii