Pembuatan Aplikasi Untuk Mengklasifikasikan Citra Digital Wajah Anime Menggunakan Metode Prototypical Networks Pada Anime Hunter X Hunter

Abstract

Kecerdasan buatan adalah cabang ilmu komputer yang mereplika kecerdasan manusia, salah satunya dengan menggunakan machine learning. Deep learning, salah satu metode dalam machine learning, membutuhkan banyak data untuk belajar. Untuk mengatasi keterbatasan ini, penulis menggunakan metode prototypical networks. Metode ini membandingkan vector embeddings artificial neural networks dengan vector embeddings rata-rata yang disimpan dalam file JSON sebagai pusat setiap label. Penulis membandingkan metode densenet121, efficientnet_b4, inception_v4, mobilenetv3_large_100, resnet50, vgg16, dan vit_base_patch16_224_dino, dengan pendekatan prototypical networks. Metode vit_base_patch16_224_dino menghasilkan hasil terbaik, dengan accuracy 0.6600, precision 0.6642, recall 0.6600, dan f1-score 0.6584. Penelitian ini menunjukkan bahwa metode vit_base_patch16_224_dino prototypical networks tersebut efektif untuk klasifikasi citra digital wajah anime Hunter X Hunter.

Kata kunci— Kecerdasan Buatan, Machine Learning, Vector Embeddings, Prototypical Networks, Euclidean Distance