This Author published in this journals
All Journal Jurnal Script
Safira Aulia Rahma
Universitas Negeri Semarang

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penerapan Convolutional Neural Network Dengan Batch Normalization dan Nadam Optimization pada Klasifikasi Citra Fashion-Mnist Safira Aulia Rahma; Much Aziz Muslim
Jurnal Script Vol. 13 No. 2 (2025): Vol.13 No. 2 Edisi Desember 2025
Publisher : Program Studi Informatika, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/script.v13i2.5476

Abstract

Industri fashion mengalami perkembangan pesat yang disertai dengan meningkatnya pemanfaatan teknologi digital untuk klasifikasi citra. Namun, kompleksitas visual produk fashion yang dipengaruhi oleh variasi bentuk, tekstur, dan gaya menjadi salah satu tantangan dalam memperoleh hasil yang akurat. Penelitian ini membahas penerapan Convolutional Neural Network (CNN) yang dikombinasikan dengan Batch Normalization dan Nadam Optimization untuk melakukan klasifikasi citra pada dataset Fashion-MNIST. Dataset Fashion-MNIST terdiri dari 70.000 citra grayscale berukuran 28 × 28 piksel yang terbagi ke dalam sepuluh kelas produk fashion. Tahapan penelitian meliputi pra-pemrosesan data, pemodelan CNN dengan integrasi Batch Normalization, pelatihan model menggunakan Nadam Optimization, serta evaluasi kinerja model menggunakan data uji. Evaluasi dilakukan berdasarkan metrik akurasi, precision, recall, dan f1-score, serta dianalisis melalui confusion matrix dan visualisasi hasil prediksi. Hasil pengujian menunjukkan bahwa model yang diusulkan mampu mencapai akurasi sebesar 0,9282, dengan nilai precision, recall, dan f1-score rata-rata berada pada 0,93. Kurva akurasi dan nilai loss pada data pelatihan dan validasi menunjukkan proses pelatihan yang stabil dan konvergen, tanpa indikasi overfitting yang signifikan.