Penelitian ini bertujuan untuk mengevaluasi tingkat akurasi dari model Convolutional Neural Network (CNN) pre-trained yang dilatih kembali dengan metode transfer learning, dalam hal klasifikasi dan pencarian citra, dengan data yang digunakan berupa data citra batik. Model CNN digunakan dalam proses klasifikasi dan ekstrasi fitur dari citra batik, dilanjutkan dengan proses kompresi fitur dengan menggunakan metode Principal Component Analysis (PCA) dan Locality Sensitive Hashing (LSH). Fitur yang didapat akan digunakan dalam proses pencarian citra yang didasarkan dari jarak metric antar fitur tersebut. Hasil pencarian citra berupa 16 citra lain yang ada pada dataset citra batik dengan tingkat kemiripan tertinggi dengan citra input. Dalam hal klasifikasi citra, didapatkan tingkat akurasi antara 96.7% hingga 100%. Sedangkan dalam hal pencarian citra, didapatkan tingkat akurasi 98.16% tanpa LSH dan 92.5% dengan LSH.
Keywords: CNN, Pre-trained CNN Model, Transfer Learning, Image Classification, Image Retrieval, Feature Extraction, PCA, LSH.