<![CDATA[Penelitian ini mengimplementasikan Convolutional Neural Network (CNN) untuk klasifikasi gambar anjing dan kucing, dengan tujuan untuk mengembangkan metode yang efisien dalam mengenali objek berdasarkan fitur visual seperti bentuk, pola, dan tekstur. Model CNN yang digunakan dalam penelitian ini mengikuti arsitektur AlexNet, yang terdiri dari lapisan konvolusi, pooling, dan dense, serta fungsi aktivasi ReLU dan sigmoid. Dataset yang digunakan berasal dari Kaggle dan terdiri dari 4000 gambar, yang terbagi rata antara gambar anjing dan kucing dengan variasi dalam pose dan kondisi pencahayaan. Hasil pelatihan menunjukkan akurasi model sebesar 66% pada data pelatihan dan mendekati 70% pada data validasi, dengan proses yang berjalan tanpa indikasi overfitting yang signifikan. Meskipun demikian, hasil confusion matrix menunjukkan bahwa model masih kesulitan membedakan gambar anjing dan kucing, terutama pada gambar kucing yang lebih sering salah diklasifikasikan sebagai anjing. Hasil percobaan dengan data uji juga menunjukkan bahwa model dapat memberikan prediksi yang cukup akurat, meskipun dengan tingkat keyakinan yang bervariasi. Secara keseluruhan, penelitian ini menunjukkan bahwa CNN efektif untuk klasifikasi gambar, namun masih memerlukan pengembangan lebih lanjut untuk meningkatkan akurasi dan generalisasi model.]]>
Copyrights © 2025
