PENINGKATAN PERFORMA KLASIFIKASI RAS KUCING MENGGUNAKAN HYPERPARAMETER TUNING CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR XCEPTION

Cahyo, D. Diffran Nur (2024) PENINGKATAN PERFORMA KLASIFIKASI RAS KUCING MENGGUNAKAN HYPERPARAMETER TUNING CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR XCEPTION. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 22.51.1254 D. Diffran Nur Cahyo.pdf Download (6MB)

Abstract

Klasifikasi ras kucing, dalam bidang pengolahan citra dan machine larning menjadi sebuah tantangan karena adanya kesamaan karakteristik fisik di antara berbagai ras. Fokus utama penelitian ini adalah meningkatkan akurasi dalam klasifikasi ras kucing dengan menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur Xception. Tujuan dari penelitian ini adalah untuk memperbaiki tingkat akurasi dalam klasifikasi ras kucing dengan menggabungkan algoritma CNN dan SVM yang dimana model CNN yang menggunakan hyperparameter yang telah ditentukan oleh peteliti. Metodologi yang diterapkan dalam penelitian ini mencakup beberapa tahap penting. Tahap pertama adalah pengumpulan data yang kemudian diikuti oleh preprocessing dan augmentasi. Selanjutnya, penelitian ini melakukan implementasi berbagai skenario yang menggabungkan CNN dan SVM, dengan tujuan menemukan kombinasi yang paling efektif. Evaluasi dari model-model ini dilakukan dengan menggunakan confusion matrix seperti akurasi dan perbandingan kinerja. Hasil yang diperoleh dari penelitian ini menunjukkan skenario optimal dengan nilai akurasi yang tinggi, yaitu sebesar 94.58% Hal ini menandakan efektivitas dari pendekatan yang diambil dalam penelitian. Kesimpulan dari penelitian ini menekankan keberhasilan model dalam mengklasifikasikan ras kucing dengan tingkat akurasi yang sangat tinggi. Saran untuk penelitian lebih lanjut mencakup pengaplikasian model ini dalam situasi waktu nyata dan eksplorasi lebih dalam terhadap arsitektur atau dataset yang berbeda untuk melihat kemungkinan peningkatan kinerja.

Actions (login required)

View Item