Analisis Perbandingan Model CNN Terhadap Klasifikasi Citra Komponen Elektronika

Abstract

Penelitian ini membandingkan berbagai macam model Convolutional Neural Network (CNN) dalam pengklasifikasian citra komponen elektronika. Hal ini berasal dari latar belakang dimana kebutuhan untuk mengidentifikasi dan mengklasifikasi komponen secara otomatis dengan lingkungan sumber daya komputasi yang terbatas. Dimana data yang digunakan menggunakan metode pengumpulan data scraping citra komponen dari internet ditambah dengan data langsung yang diambil menggunakan kamera, yang kemudian diproses dan dilatih menggunakan beberapa model CNN, seperti MobileNet, NASNetLarge, VGG16, dan lainnya, serta model CNN custom buatan peneliti. Hasil dari penelitian menunjukan bahwa NASNetLarge mendapatkan akurasi uji tertinggi dengan nilai 79,31%, Sementara itu MobileNet memiliki efisiensi tinggi dalam penggunaan sumber daya komputasi. Penelitian ini menyoroti bahwa ukuran model tidak selalu berkorelasi dengan akurasi dan model dengan parameter lebih sedikit dapat menjadi solusi efektif untuk kondisi terbatas sumber daya.