PENERAPAN METODE DEEP LEARNING MENGGUNAKAN ARSITEKTUR ALEXNET DAN RESNET DALAM KLASIFIKASI OBJEK CITRA MAKANAN KHAS PALEMBANG

Penelitian ini mengkaji penerapan metode deep learning menggunakan arsitektur AlexNet dan ResNet dalam klasifikasi objek citra makanan khas Palembang, terutama pempek. Data gambar dikumpulkan dan diproses menggunakan Google Drive dan PyTorch, kemudian dibagi menjadi set pelatihan, validasi, dan uji. Hyperparameter yang digunakan mencakup optimizer ADAM, ukuran batch 32, learning rate 0.01, dan jumlah epoch bervariasi. Dua arsitektur model, AlexNet dan ResNet, digunakan dengan empat model masing-masing.
Hasil penelitian menunjukkan bahwa ResNet memiliki performa yang lebih baik dibandingkan AlexNet. ResNet mencapai akurasi tertinggi 75.73% pada model ketiga, sementara AlexNet hanya mencapai akurasi tertinggi 29.24%. Evaluasi menggunakan confusion matrix memberikan gambaran detail tentang akurasi tiap model, mengonfirmasi keunggulan ResNet dalam klasifikasi gambar pempek. Faktor-faktor seperti ukuran piksel gambar dan kualitas pencahayaan mempengaruhi hasil prediksi. Kesimpulannya, ResNet lebih unggul dalam menangani kompleksitas citra pempek, menunjukkan pentingnya penggunaan dataset yang lebih besar, pengaturan learning rate yang tepat, dan proses pelatihan yang lebih panjang untuk mencapai performa optimal.
Kata Kunci: Deep Learning, AlexNet, ResNet, Klasifikasi Gambar, Pempek,
PyTorch.