Batik Kawung adalah warisan budaya berkarakteristik geometris unik yang pelestariannya di era digital didukung oleh teknologi kecerdasan buatan. Penelitian ini mengembangkan model Deep Convolutional Generative Adversarial Networks (DCGAN) untuk membangkitkan citra sintetis motif Batik Kawung yang realistis, mengatasi keterbatasan data melalui augmentasi 460 citra asli menjadi 2.300 citra latih (128x128 piksel). Berdasarkan pelatihan selama 1.000 epoch, model mencapai titik optimal (Nash Equilibrium) pada Epoch 740, dibuktikan dengan skor Fréchet Inception Distance (FID) terbaik 201.45 dan validasi Kernel Inception Distance (KID) 0.05209 yang mengonfirmasi kemiripan distribusi fitur secara statistik. Temuan ini diperkuat oleh validasi ahli (Expert Validation) yang memberikan skor kelayakan 83,3% (Sangat Layak), menegaskan bahwa citra sintetis secara visual telah memenuhi pakem motif yang sah. Analisis visual menunjukkan model berhasil merekonstruksi struktur geometris empat kelopak yang simetris, meskipun fase akhir pelatihan mengindikasikan fenomena mode collapse. Model generator terbaik ini kemudian diimplementasikan ke dalam aplikasi website sebagai alat bantu perancangan motif digital yang interaktif.

Kata Kunci: Batik Kawung, Deep Convolutional GAN (DCGAN), Augmentasi Data, Fréchet Inception Distance (FID), Kernel Inception Distance (KID).