Pembuatan Model AI Generatif untuk Sintesis Motif Batik Nusantara Menggunakan Diffusion dan Low Rank Adaptation

Warisan budaya batik Indonesia menghadapi tantangan pelestarian di era digital. Motif batik dari berbagai daerah di Nusantara memiliki kompleksitas pola, filosofi, dan karakteristik visual yang unik, namun proses digitalisasi dan reproduksinya masih menghadapi kendala teknis dan metodologis. Model AI generatif yang ada saat ini belum mampu memahami dan mereproduksi kompleksitas motif batik Indonesia dengan akurasi tinggi, karena pola batik memiliki karakteristik geometris, organik, dan simbolis yang berbeda dari objek visual umum. Selain itu, banyak motif batik tradisional dari daerah-daerah di Indonesia belum terdokumentasi dalam format digital yang memadai, sehingga sulit untuk digunakan sebagai dataset pelatihan model AI. Pelatihan model AI generatif untuk domain spesifik seperti batik juga memerlukan sumber daya komputasi yang besar, sehingga sulit diakses oleh peneliti dan praktisi di Indonesia. Hal ini menyebabkan minimnya penelitian dan pengembangan teknologi AI untuk pelestarian dan inovasi motif batik Nusantara. Penelitian ini bertujuan untuk mengembangkan model AI generatif yang mampu mensintesis motif batik dari berbagai daerah di Indonesia menggunakan teknologi Diffusion Model dengan optimasi Low Rank Adaptation (LoRA). Tujuan spesifik penelitian meliputi: 1. Membangun dataset motif batik Nusantara yang komprehensif, 2. Mengimplementasikan dan mengoptimalkan model Diffusion untuk domain batik Indonesia, 3. Menerapkan teknik LoRA untuk efisiensi pelatihan dan adaptasi multi-regional, dan 4. mengevaluasi kualitas dan autentisitas motif batik yang dihasilkan oleh model. Hasil penelitian diharapkan dapat mendukung pelestarian warisan budaya Indonesia sekaligus memberikan tools inovatif bagi industri kreatif batik.