<![CDATA[Dalam dekade terakhir ini pemanfaatan kecerdasan buatan (Artificial Intelligent) Semakin banyak, Arsitektur Convolution Neural Network (CNN) sebagai salah satunya telah banyak membantu dunia untuk mengolah Big Data (data besar), dengan melakukan proses pelatihan dari sejumlah besar dataset image, dan kemudian dapat mempelajari cirinya dan kemudian memilihkan sesuai dengan klasifikasinya. Penggunaan bahasa pemrograman python sebagai sarana untuk mengklasisifikasikan sebuah file gambar dengan arsitektur CNN sangat baik dan memiliki akurasi sangat tinggi. Keras adalah suatu modul yang sudah disiapkan oleh pengembang bahasa pemrograman python untuk mendukung kecerdasan buatan yang dapat belajar sendiri yang juga mendukung arsitektur CNN. Dalam pemrograman CNN dengan Bahasa python disebutkan semakin banyak parameter yang uji maka semakin baik kecerdasan buatannya memberikan output. Oleh karena itu tujuan pengujian ini adalah ingin membuktikan apakah semakin banyak parameter yang diberikan ke sistem dapat memberikan keluaran yang semakin baik dengan metode yang digunakan adalah memberikan training dataset input. Hasil penelitian dapat dari banyaknya parameter yang dipelajari 1.059.106 dengan waktu rata 135 ms, maka mesin dapat mengklasfikasikan gambar dengan tepat sebesar 87,88%. bila mesin belajar dengan parameter yang lebih banyak lagi yaitu sebesar 3.824.486 dengan waktu rata-rata 780 ms, maka mesin dapat menebak mendekati 100%. Hasil penelitian dapat dilihat bahwa semakin banyak mesin belajar dengan kemampuan kecerdasan buatannya maka mesin tersebut akan semakin mahir]]>
Copyrights © 2023
