ABSTRAK  Tujuan dari penelitian ini yaitu mempresentasikan Content-Based Image Retrieval (CBIR) menggunakan Convolutional neural network (CNN) dengan metode learning supervised dan unsupervised untuk dataset citra batik. Metode yang pertama adalah supervised learning dari tugas pengklasifikasian dan yang kedua adalah unsupervised learning dengan autoencoder. Penggunaan metode CNN bertujuan untuk mengekstrak fitur dan kemudian menggunakan unsupervised nearest neighbor untuk mengelompokkan data, hasil dari citra yang diambil adalah berdasarkan dari jarak metric histogram terkecil. Hasil retrieval berdasarkan query citra yang dimasukkan yaitu citra berjumlah 16 yang didapat dari database citra batik. Metode Supervised CNN mencapai akurasi pengambilan citra terbaik yaitu sebesar 99,47% dibandingkan dengan dua metode lainnya, lalu akurasi 76,54% didapatkan untuk metode unsupervised learning dan 85,36% pada metode buatan Local Binary Pattern (LBP). Keywords: Machine Learning, Image retrieval, CNN, Auto-Encoder, Nearest Neighbor, Feature Extraction.