Penelitian ini menguji integrasi model, khususnya CNN dan Variational Gaussian Processes (VGP), pada dataset MNIST untuk klasifikasi digit tulisan tangan dan citra medis X-ray untuk diagnosis COVID-19 dan pneumonia. Hasilnya menunjukkan bahwa integrasi CNN dengan DGP meningkatkan performa model secara signifikan dibandingkan model tanpa integrasi, menghasilkan akurasi yang lebih tinggi dan prediksi yang lebih stabil. Model terbaik yang dihasilkan adalah CNN-DGP3 dengan akurasi 99.12% pada MNIST dan model integrasi EfficientNetB0 dan DGP2 untuk klasifikasi citra medis X-ray. Penelitian ini juga memperkenalkan metrik FCR (Failure Confidence Rate) untuk mitigasi kesalahan prediksi pada diagnosis medis, dengan tujuan meminimalisir data yang perlu diuji coba kembali oleh ahli medis.