Perbandingan Jumlah Layer Pada Convolutional Neural Network Untuk Meningkatkan Akurasi Dalam Klasifikasi Gambar

M. Ardifa Rizqi Ramadhan (Universitas Muhammadiyah Ponorogo)
Titan Apriliyan Nadine Ananta (Universitas Muhammadiyah Ponorogo)
Afigo Azus Zakkyfriza (Universitas Muhammadiyah Ponorogo)
In’am Vaviansyah H (Universitas Muhammadiyah Ponorogo)
Yahya Nour Fauzan (Universitas Muhammadiyah Ponorogo)

Merkurius: Jurnal Riset Sistem Informasi dan Teknik Informatika
Vol. 2 No. 5 (2024): September : Merkurius : Jurnal Riset Sistem Informasi dan Teknik Informatika

Convolutional Neural Network (CNN) merupakan bagian dari jenis jaringan saraf tiruan yang biasa digunakan untuk pemrosesan data citra. CNN dapat diterapkan untuk mengidentifikasi serta mengenali objek pada sebuah image. Penelitian ini akan melakukan perbandingan jumlah layer Pada saat melakukan klasifikasi gambar dapat diperoleh tingkat akurasi yang tinggi. Dataset yang digunakan terdiri dari tiga kategori yaitu gambar tangan membentuk batu, gunting, dan kertas. Masing-masing kategori terdapat 700 gambar dengan total 2100 gambar berukuran 150 x 150 pixel. Pada tahap pengujian, layer yang digunakan berkisar antara 1 sampai 3 layer. Kesimpulan yang didapatkan adalah semakin banyak jumlah layer semakin banyak tingkat latihan maksimal yang dicapai.