Klasifikasi gambar, Convolutional Neural Network, Neural Network, Neuroevolution, Neuroevolution of Augmenting Topologies Meskipun demikian satu dari delapan kelas yang diprediksi menggunakan metode NEAT dapat lebih unggul dari metode CNN sebesar 4.5%. Hasil menunjukkan CNN mendapatkan performa yang lebih baik dengan rata – rata akurasi yang didapatkan sebesar 89.125% sedangkan metode NEAT mendapatkan rata – rata akurasi sebesar 85.8125%. Penelitian membuktikan bahwa teknik konvolusi yang terdapat pada metode CNN terbukti lebih unggul dibandingkan dengan teknik genetik algoritma atau algoritma evolusi yang digunakan pada metode NEAT. Pada penelitian ini, kami membuat Pengklasifikasi sketsa gambar dari basis data Google Quick Draw dan membandingkan performa antara metode Convolutional Neural Network(CNN) dan Neuroevolution of Augmenting Topologies(NEAT). Klasifikasi gambar Google quick draw bukanlah suatu tugas yang mudah, dikarenakan banyaknya varian dan noise pada data.