Adanya tantangan pada NN untuk memroses penilaian seni visual selayaknya manusia
membuat Gatys et al terinspirasi dan pada tahun 2015 mereka berhasil menciptakan neural
style transfer (NST) yang mampu memindahkan gaya gambar artistik eropa ke gambar lain.
Pada saat ini, penelitian terkait NST telah banyak dilakukan, tetapi penggunaannya dengan
convolutional autoencoder (CAE) sebagai salah satu arsitektur NN yang mampu melakukan
kompresi terhadap output NST masih jarang ditemukan. Penelitian ini bermaksud untuk
merancang sistem NST dengan CAE sebagai arsitektur tambahan yang bertugas dalam proses
kompresi seraya mempertahankan gaya yang di transfer. Sebagai pengganti gambar artistik
gaya eropa, digunakan batik sebagai karya artistik asli Indonesia. Gambar hasil NST dan
kompresi akan diukur menggunakan metrik evaluasi structural similarity index measure (SSIM).
Hasil evaluasi menunjukan bahwa sistem yang dirancang berhasil mendapatkan skor rata-rata
SSIM sebesar 0.67 dari 1 dan nilai rata-rata rasio pengurangan ukuran penyimpanan sebesar
37,43% dari ukuran asli. Kemudian, survei menunjukan bahwa kualitas gambar hasil kompresi
tergolong cukup baik dengan skor 64,09% dan gambar hasil kompresi cukup bisa digunakan
pada bidang pekerjaan masing-masing responden dengan skor 49,09%.
Kata kunci— Neural Networks, Neural Style Transfer, Convolutional Autoencoder, Batik,
Structural Similarity Index Measure