Optimasi Model Machine Learning untuk Klasifikasi dan Prediksi Citra Menggunakan Algoritma Convolutional Neural Network

• ARIFA NOFRIYALDI CHAN
• 2026

---

Convolutional Neural Networks (CNN) telah menjadi algoritma yang dominan dalam klasifikasi dan prediksi citra karena kemampuannya dalam mengenali pola visual yang kompleks. Namun, untuk mencapai performa optimal, model CNN memerlukan berbagai teknik optimasi. Penelitian ini mengkaji metode optimasi untuk meningkatkan akurasi dan efisiensi model CNN dalam tugas klasifikasi dan prediksi citra. Teknik yang diimplementasikan meliputi penjadwalan learning rate, normalisasi batch, regularisasi dengan dropout dan L2, augmentasi data, serta penggunaan transfer learning dengan model pra-terlatih seperti VGG16. Selain itu, metode early stopping dan algoritma optimasi canggih seperti Adam dan RMSprop juga diterapkan untuk meningkatkan konvergensi dan mencegah overfitting. Hasil eksperimen menunjukkan bahwa kombinasi teknik optimasi ini secara signifikan meningkatkan performa model CNN pada beberapa dataset citra standar. Temuan ini menegaskan pentingnya penggunaan strategi optimasi yang holistik dalam pengembangan model CNN untuk aplikasi klasifikasi dan prediksi citra.

• Machine Learning; CNN; Optimasi; Prediksi; Akurasi

https://repository.bsi.ac.id/repo/78156/Optimasi-Model-Machine-Learning-untuk-Klasifikasi-dan-Prediksi-Citra-Menggunakan-Algoritma-Convolutional-Neural-Network
Anda dapat membaca file tugas akhir ini di repository.