Studi Perbandingan Algoritma Statistic, Ensemble, dan Neural Network Pada Kasus Image Classification

Abstract

Machine learning merupakan salah satu cabang artificial intelligence yang banyak digunakan untuk melakukan prediksi terhadap berbagi hal. Salah satu algoritma machine learning yang sudah digunakan sejak abad ke-18 adalah Naïve Bayes. Naïve bayes merupakan salah satu algoritma machine learning yang mengandalkan statistika dalam melakukan prediksi. Algortima ini sangat baik dalam melakukan prediksi pada saat itu. Namun, sejak muncunya trend Big Data dan Data Mining membuat banyak sekali data dengan berbagai bentuk salah satunya adalah dalam bentuk gambar. Algoritma yang notabenenya mengandalakan statistika ini perlahan mulai ditinggalkan dan orang lebih berminat kepada Algoritma baru dengan aristektur baru. Oleh karena itu, peneliti ingin melakukan perbandingan antara Algoritma Statistic dengan algoritma-algoritma baru yaitu Ensemble, dan Neural Network Pada Kasus Image Classification. Peneliti menggunakan dataset Bag Classes dengan total data sebanyak 15.000 data gambar. Sebelum proses pelatihan, dilakukan Image Augmentation terlebih dahulu sebagai filter gambar agar proses pelatihan dapat dilakukan dengan lebih maksimal. Hasilnya, setiap algoritma memiliki keunggulannya masing masing. Algoritma Statistic kalah unggul dengan algoritma Ensembledan Neural Network dari segi kecepatan dan performa namun masih mengungguli dari segi ukuran yaitu hanya sebesar 6,9 MB. Algoritma Ensemblemendapatkan hasil yang standar, Ukurannya tidak lebih besar dari Neural Network namun performanya jauh lebih baik jika dibandingkan dengan Algoritma Statistic. Algoritma ini cocok untuk project standar seperti Mobile App dan project standar lainnya. Neural Network menjadi algoritma paling baik untuk kasus Image Classification dengan akurasi mendekati hasil yang sempurna yakni 98,61%. Kekurangan algoritma ini hanya pada ukurannya yang terlalu besar. Algoritma ini sangat cocok digunakan untuk project-project besar seperti Self Driving Car, Seat Belt Detection, dan project besar lainnya.