ANALISIS PERFORMA ALGORITMA MACHINE LEARNING PADA PENGENALAN GAMBAR DENGAN METODE SVM DAN BACKPROPAGATION NEURAL NETWORK

Abstract

Pengenalan gambar menjadi aplikasi penting dalam era digital 5.0, khususnya dalam keamanan, kesehatan, dan industri. Dalam pengembangan teknologi ini, metode Support Vector Machine (SVM) dan Backpropagation Neural Network (BNN) telah memberikan hasil yang baik. BNN memiliki keunggulan akurasi dengan data yang relatif sedikit, sementara SVM memberikan akurasi tinggi pada klasifikasi gambar dengan atribut banyak dan sampel sedikit. Namun, masalah ketidakakuratan dalam membedakan objek tetap menjadi tantangan. SVM dapat digunakan untuk membedakan objek, sementara BNN dapat memprediksi output sistem. SVM memisahkan kelas dalam data latihan dengan maksimalkan jarak, sedangkan BNN mencari nilai minimum error pada bobot dengan Gradient Descent. Popularitas SVM dan BNN meningkat seiring waktu, mengalami peningkatan teknik training dan optimasi model. Penelitian sebelumnya menunjukkan potensi pengembangan model analisis untuk meningkatkan akurasi prediksi gambar. Manfaat penelitian ini mencakup informasi mengenai kinerja SVM dan BNN dalam pengenalan gambar serta perbandingan keduanya. Batasan penelitian melibatkan penggunaan dataset wajah mahasiswa, penggunaan Python sebagai alat bantu, dan evaluasi kinerja berdasarkan akurasi, precision, recall, dan F1 Score.