Batik adalah salah satu warisan budaya Indonesia yang mencerminkan keberagaman dengan berbagai motif yang memiliki filosofi dan makna tersendiri. Namun, kesadaran untuk melestarikan budaya ini masih rendah, meskipun UNESCO telah mengakui batik sebagai Warisan Budaya Takbenda (WBTb). Penelitian ini bertujuan membangun Aplikasi Deteksi Motif Batik Berbasis Web Menggunakan Metode Deep Learning dengan algoritma Convolutional Neural Network (CNN) dan tambahan transfer learning. Dataset yang digunakan dalam penyusunan model yaitu, citra motif batik dari Yogyakarta, terdiri dari 2000 citra, terbagi dalam 10 kelas motif batik, seperti Batik Ceplok, Ciptoning, Nitik, Parang Rusak, Kawung, Sidomukti. Slobog, Semen, Pamiluto dan Wahyu Tumurun. Penelitian ini membandingkan arsitektur model antara MobileNetV2, MobileNetV3Large, dan Xception, kemudian mengevaluasi hasil akhir berdasarkan akurasi dan confusion matrix. Hasil evaluasi model menunjukkan MobileNetV2 sebagai model terbaik yang diimplementasikan ke dalam web. Aplikasi web juga diuji secara mandiri dengan pengujian black box dan evaluasi pengguna menggunakan kuesioner System Usability Scale (SUS) dan Net Promoter Score (NPS). Hasil pengujian menunjukkan nilai SUS rata-rata sebesar 81,9 grade "A", dan NPS sebesar 41,7%, mengindikasikan tingkat kepuasan dan rekomendasi yang tinggi dari pengguna akhir. Aplikasi ini diharapkan dapat memberikan manfaat dalam melestarikan dan memperkenalkan keberagaman budaya batik Indonesia kepada masyarakat luas.