Implementasi Pengolahan Citra Untuk Identifikasi Motor Menggunakan Algoritma Convolutional Neural Network (CNN)

Fredy Kusuma Ramadhani; Mhd Fikry Hasrul Hsb; OK. Mhd Fahri Alfaruqy; Laila Nurzanah; M Khalil Gibran

Authors

Fredy Kusuma Ramadhani Univeritas Islam Negeri Sumatera Utara
Mhd Fikry Hasrul Hsb Univeritas Islam Negeri Sumatera Utara
OK. Mhd Fahri Alfaruqy Univeritas Islam Negeri Sumatera Utara
Laila Nurzanah Universitas Islam Negeri Sumatera Utara
M Khalil Gibran Univeritas Islam Negeri Sumatera Utara

Abstract

Pengolahan citra digital merupakan suatu disiplin ilmu yang berfokus pada transformasi citra menjadi informasi yang dapat diinterpretasikan oleh manusia. CNN, yang terinspirasi oleh arsitektur sistem saraf biologis, dirancang khusus untuk mengolah data dua dimensi dan telah terbukti efektif dalam tugas klasifikasi citra. Dalam studi ini, data diperoleh dari sumber terbuka (Kaggle) dan dikategorikan menjadi dua kelas: sepeda motor dan non-sepeda motor, dengan proporsi 80% untuk pelatihan dan 20% untuk pengujian. Proses pra-pemrosesan mencakup langkah-langkah seperti pengubahan ukuran, normalisasi, dan augmentasi data untuk meningkatkan keragaman dan mencegah fenomena overfitting. Arsitektur CNN dirancang dengan beberapa komponen utama, termasuk input layer, convolutional layer, pooling layer, dan fully connected layer. Hasil evaluasi menunjukkan bahwa model berhasil mengklasifikasikan citra sepeda motor dengan tingkat keyakinan mencapai 99,26% dan mampu mengidentifikasi objek non-sepeda motor dengan akurasi 100%. Temuan ini menegaskan bahwa teknik CNN sangat efektif dalam klasifikasi citra digital, khususnya dalam konteks pengenalan sepeda motor.

References

Chistanti. (2024). IMPLEMENTASI SISTEM PENGENALAN PLAT NOMOR KENDARAAN LOKAL MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Jurnal Teknik Informatika, 16(3).

Firdaus, R., Joni Satria, & Baidarus, B. (2022). Klasifikasi Jenis Kelamin Berdasarkan Gambar Mata Menggunakan Algoritma Convolutional Neural Network (CNN). Jurnal CoSciTech (Computer Science and Information Technology), 3(3), 267–273. https://doi.org/10.37859/coscitech.v3i3.4360

Hidayat, M. A., Husni, N. L., & Damsi, F. (2022). Pendeteksi Banjir Dengan Image Processing Berbasis Convolutional Neural Network (CNN) pada Kamera Pengawas. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 2(2), 10–18. https://doi.org/10.57152/malcom.v2i2.382

Islamiyati, Adinne, R. T. K. (2025). Identifikasi mengantuk menggunakan algoritma cnn 1,2. Jurnal Ilmiah Multidisiplin, 4(2), 1–10.

Nugroho, P. A., Fenriana, I., & Arijanto, R. (2020). Implementasi Deep Learning Menggunakan Convolutional Neural Network (CNN) Pada Ekspresi Manusia. Algor, 2(1), 12–21.

Sari, I. P., Ramadhani, F., Satria, A., & Apdilah, D. (2023). Implementasi Pengolahan Citra Digital dalam Pengenalan Wajah menggunakan Algoritma PCA dan Viola Jones. Hello World Jurnal Ilmu Komputer, 2(3), 146–157. https://doi.org/10.56211/helloworld.v2i3.346

Sermanet, P., Eigen, D., Zhang, X., Mathieu, M., Fergus, R., & LeCun, Y. (2014). Overfeat: Integrated recognition, localization and detection using convolutional networks. 2nd International Conference on Learning Representations, ICLR 2014 - Conference Track Proceedings.

Sibarani, J. S., Tumpal Damanik, S., Nurkhalizah, R., Mulyana, S., & Nasution, B. (2023). Klasifikasi Tanaman Hias Menggunakan Algoritma Convulation Neural Network. Journal of Information Technology Ampera, 4(3), 2774–2121. https://journal-computing.org/index.php/journal-ita/index