<![CDATA[Pengolahan citra digital merupakan suatu disiplin ilmu yang berfokus pada transformasi citra menjadi informasi yang dapat diinterpretasikan oleh manusia. CNN, yang terinspirasi oleh arsitektur sistem saraf biologis, dirancang khusus untuk mengolah data dua dimensi dan telah terbukti efektif dalam tugas klasifikasi citra. Dalam studi ini, data diperoleh dari sumber terbuka (Kaggle) dan dikategorikan menjadi dua kelas: sepeda motor dan non-sepeda motor, dengan proporsi 80% untuk pelatihan dan 20% untuk pengujian. Proses pra-pemrosesan mencakup langkah-langkah seperti pengubahan ukuran, normalisasi, dan augmentasi data untuk meningkatkan keragaman dan mencegah fenomena overfitting. Arsitektur CNN dirancang dengan beberapa komponen utama, termasuk input layer, convolutional layer, pooling layer, dan fully connected layer. Hasil evaluasi menunjukkan bahwa model berhasil mengklasifikasikan citra sepeda motor dengan tingkat keyakinan mencapai 99,26% dan mampu mengidentifikasi objek non-sepeda motor dengan akurasi 100%. Temuan ini menegaskan bahwa teknik CNN sangat efektif dalam klasifikasi citra digital, khususnya dalam konteks pengenalan sepeda motor.]]>
Copyrights © 2025
