<![CDATA[Klasifikasi objek pada citra menjadi salah satu problem dalam visi komputer. Komputer diharapkan dapat meniru kemampuan manusia dalam memahami informasi citra. Salah satu pendekatan yang berhasil yaitu dengan menggunakan Jaringan Syaraf Tiruan (JST) dimana pendekatan ini terinspirasi dari jaringan syaraf pada manuasia yang dikembangkan lebih jauh menjadi Deep Learning. Convolutional Neural Network (CNN) merupakan salah satu jenis Deep Learning yang sangat terkenal dengan keemampuannya dalam melakukan klasifikasi citra. Dengan mengimplementasikan beberapa model CNN akan dilakukan perbandingan antara model arsitektur CNN dalam klasifikasi wajah etnis Papua dan wajah etnis lainnya untuk melihat model dengan akurasi terbaik pada kasus ini. Model CNN yang dipilih yaitu VGG16, VGG-19, ResNet-50 dan MobileNet v1 dan Mobilenet v2. Model terbaik adalah model arsitektur Mobile Net v1 untuk Pengenalan Wajah Papua dan Non Papua dengan akurasi 95%. Pada penelitian ini disimpulkan bahwa MobileNet V1 adalah model yang terbaik. Model ini menghasilkan akurasi, precision, recall, dan f1-score dengan nilai 95%, 99%, 91%, dan 94%. Adapun saran untuk penelitian selanjutnya adalah dilakukan modifikasi terhadap layer pada masing-masing molde untuk meninggkatkan performa model arsitektur CNN.]]>
Copyrights © 2023
