ABSTRAK
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.