EVALUASI MODEL ANN, CNN, DAN SVM UNTUK KLASIFIKASI GAMBAR CIFAR-10

Penulis

  • Muhammad Luthfi Alfarisi Universitas Telkom
  • Meilona Herisda Universitas Telkom
  • Sony Adan Kalamsyah Universitas Telkom
  • Yudi Awal Nugraha Universitas Telkom
  • Syauqina Salsabila Universitas Telkom
  • Murman Dwi Prasetio Universitas Telkom

Kata Kunci:

CNN, ANN, SVM, CIFAR-10, Klasifikasi Citra

Abstrak

Penelitian ini mengevaluasi bagaimana tiga algoritma machine learning yaitu Artificial Neural Network (ANN), Convolutional Neural Network (CNN), dan Support Vector Machine (SVM)  bekerja dalam klasifikasi dataset CIFAR-10. Dataset CIFAR-10 terdiri dari 60.000 gambar berwarna dengan resolusi 32 x 32 piksel, dan dibagi ke dalam sepuluh kelas. Setiap algoritma diuji dengan metrik akurasi, presisi, recall, dan skor F1. Hasil eksperimen menunjukkan bahwa CNN memiliki akurasi terbaik sebesar 70% dibandingkan dengan ANN dan SVM. Selain itu, teknik regulasi seperti regularisasi L2 dan PCA terbukti meningkatkan kinerja model. Studi ini menunjukkan keunggulan CNN dalam pengolahan data citra serta kelemahan SVM dan ANN saat menangani dataset berskala besar.

Unduhan

Diterbitkan

2025-01-30