<![CDATA[Perkembangan teknologi pengolahan citra digital semakin pesat dan membawa dampak signifikan pada berbagai bidang, seperti keamanan, kesehatan, industri, serta sistem cerdas berbasis visi komputer. Salah satu metode yang paling banyak digunakan dalam melakukan deteksi objek adalah Convolutional Neural Network (CNN). CNN memiliki kemampuan untuk mengekstraksi fitur visual secara otomatis melalui proses konvolusi yang berlapis-lapis sehingga menghasilkan akurasi deteksi yang tinggi. Penelitian ini bertujuan untuk menganalisis kinerja CNN dalam mendeteksi objek pada citra digital dengan menggunakan arsitektur CNN dasar serta dataset beranotasi. Tahapan penelitian mencakup pra-pemrosesan citra, perancangan model CNN, proses pelatihan, serta evaluasi performa menggunakan metrik accuracy, precision, dan recall. Hasil penelitian menunjukkan bahwa CNN mampu mengenali objek dengan tingkat akurasi yang baik, khususnya ketika menggunakan jumlah epoch yang memadai dan data pelatihan yang representatif. Penelitian ini menegaskan bahwa CNN merupakan metode yang efektif untuk diaplikasikan pada berbagai kebutuhan deteksi objek dalam sistem cerdas modern.]]>
Copyrights © 2025
