Yusup Miftahuddin, S.Kom., M.T. Dosen Pembimbing 1 RACHMA FADHILLAH PRASETYO /15-2021-090 Penulis

Klasifikasi huruf alfabet merupakan salah satu permasalahan dalam pengembangan sistem pembelajaran berbasis kecerdasan buatan akibat adanya variasi bentuk karakter. Penelitian ini bertujuan untuk menghasilkan akurasi model klasifikasi huruf alfabet menggunakan teknik Bayesian Optimization pada arsitektur MobileNetV2. Dataset yang digunakan berupa citra alfabet digital yang dihasilkan dari beberapa jenis font Google. Proses pengujian dilakukan dengan mengevaluasi variasi jumlah iterasi optimasi (n_calls) serta membandingkan beberapa fungsi akuisisi, yaitu Expected Improvement (EI), Probability of Improvement (PI), dan Lower Confidence Bound (LCB). Selain itu, performa Bayesian Optimization dibandingkan dengan metode Grid Search dan Random Search. Hasil penelitian menunjukkan bahwa optimasi hyperparameter menggunakan Bayesian Optimization mampu meningkatkan akurasi model secara signifikan. Fungsi akuisisi Probability of Improvement (PI) menghasilkan performa terbaik dengan akurasi data latih sebesar 96,79% dan akurasi data uji sebesar 91,67%, serta nilai loss yang lebih rendah dibandingkan skenario pengujian lainnya. Metode Grid Search dan Random Search menghasilkan nilai akurasi yang lebih rendah serta nilai loss yang lebih tinggi dibandingkan Bayesian Optimization. Berdasarkan hasil pengujian, penerapan Bayesian Optimization mampu menghasilkan kombinasi hyperparameter yang memberikan akurasi klasifikasi yang lebih tinggi pada model MobileNetV2 untuk klasifikasi huruf alfabet.