Batik memiliki beberapa motif dan pola sehingga perlu dilakukan pengenalan objek tertentu pada sebuah citra, salah satunya adalah pengenalan citra batik Yogyakarta menggunakan metode Convolutional Neural Network (CNN) yang sudah populer dalam penggunakan klasifkasi data citra. Pengenalan citra batik bertujuan untuk berkontribusi dalam digitalisasi data citra batik dan sekaligus memberikan informasi jenis batik kepada masyarakat. Proses pengenalan citra batik menggunakan CNN pada penelitian ini menggabungkan antara proses segmentasi citra dan proses enhancement dengan median filter dan sharpening. Proses segmentasi yang dilakukan sebelum CNN bertujuan untuk membantu memisahkan antara objek yang dibutuhkan (fareground) dengan objek yang tidak dibutuhkan (background). Proses segmentasi yang biasa digunakan adalah menggunakan K-means Clustering. Di mana K-means Clustering digunakan untuk mengelompokkan data dalam kategori yang sama. Selanjutnya, proses enhancement menggunakan median filter dan sharpening dilakukan secara terpisah untuk membandingkan proses klasifikasi citra batik menggunakan CNN berdasarkan K-means Clustering dari hasil median filter dan dari hasil sharpening. Proses klasifikasi citra batik dengan CNN berdasarkan K-means Clustering pada median filter menghasilkan akurasi 100%. Sementara itu, proses klasifikasi citra batik dengan CNN berdasarkan K-means Clustering dari hasil sharpening menghasilkan akurasi 80%.