Perbandingan Metode CNN - LSTM dengan Xception - Gated Recurrent Unit pada Image Caption Berbahasa Indonesia

Athallah, Muhammad Naufal

JUSTIN (Jurnal Sistem dan Teknologi Informasi)
Vol 13, No 2 (2025)

Pesatnya perkembangan ilmu Informatika saat ini dan memenuhi kebutuhan teknologi informasi, maka penelitian image caption sangat berkembang saat ini, berbagai objek penelitian dan algoritma yang diterapkan untuk melatih model image caption dengan menghasilkan deskripsi yang lebih baik, algoritma popular dalam image caption saat ini adalah CNN dan Xception serta LSTM dan GRU, dimana CNN dan Xception digunakan sebagai arsitektur file gambar sedangkan LSTM dan GRU digunakan sebagai penghasil deskripsi otomatis, masing-masing metode memiliki perbedaan satu sama lainnya, objek dalam penelitian ini adalah mendeskripsi gambar kedalam teks. Penelitian ini bertujuan untuk membandingkan metode CNN-LSTM dengan Xception-GRU pada image caption berbahasa   Indonesia, metode mana yang lebih baik diantara keduanya.Penelitian ini dilakukan dengan menggunakan dataset 8.000 gambar dan 40.000 caption, metode CNN-LSTM digunakan untuk arsitektur  file gambar dan penghasil deskripsi otomatis, hasilnya lebih kompleks serta lambat dibanding Xception-GRU sedangkan Xception-GRU juga digunakan untuk arsitektur file gambar dan penghasil deskripsi otomatis, pendekatannya lebih efisien,   cenderung lebih ringan dan lebih cepat serta kinerja lebih kompetitif, sedangkan perbandingan terhadap metode penguji CIDEr hasil kinerja CNN-LSTM bervariasi tergantung pada dataset dan menghasilkan deskripsi yang akurat, tetapi kinerjanya lebih rendah dalam menangani kompleksitas gambar tertentu dibandingkan metode Xception-GRU sedangkan Xception-GRU berpotensi menghasilkan skor lebih tinggi dari efisiensi ekstraksi fitur, proses lebih cepat serta akurasi tinggi pada dataset tertentu, termasuk bahasa Indonesia.Analisis hasil pengujian dilakukan dengan cara kuantitaitf dengan menggunakan matrik CIDEr, Hasil pengujian CIDEr pada 15 % dataset menunjukan bahwa algoritma CNN-LSTM mendapat skor 0.836 sedangkan algoritma Xception-GRU mendapat skor 0.983, sedangkan untuk 30 gambar testing yang terdiri dari 10 dataset, 10 AI dan 10 kamera, didapat hasil dengan metode CNN-LSTM didapat Gambar dataset 0.456, Gambar AI 0.406 dan Gambar Kamera 0.372 serta rerata skor 0.4113 sedangkan untuk   Xception-GRU didapat Gambar dataset 0,399, Gambar AI 0.331 dan Gambar Kamera 0.588 serta rerata skor 0.4393, maka disimpulkan bahwa Xception-GRU hasil baik dengan   selisih skor sebesar 0, 147.