OPTIMASI NILAI HYPERPARAMETER PADA CNN DENGAN ARSITEKTUR VGG16 UNTUK MENINGKATKAN AKURASI PADA KLASIFIKASI JAMUR

BURHAN, BURHAN (2023) OPTIMASI NILAI HYPERPARAMETER PADA CNN DENGAN ARSITEKTUR VGG16 UNTUK MENINGKATKAN AKURASI PADA KLASIFIKASI JAMUR. Other thesis, UPN "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (87kB)
	Text COVER.pdf Download (228kB)
	Text DAFTAR ISI.pdf Download (140kB)
	Text DAFTAR PUSTAKA.pdf Download (581kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (69kB)
	Text PENGESAHAN PENGUJI.pdf Download (70kB)
	Text SKRIPSI FULL_BURHAN_123180017.pdf Restricted to Repository staff only Download (4MB)

Abstract

Tujuan : Mempermudah dalam mengklasifikasi jamur yang dapat dikonsumsi dan jamur
beracun dan meningkatkan pengetahuan mengenai penentuan nilai hyperparameter pada
Convolutional Neural Network (CNN) dengan arsitektur VGG16 agar mendapatkan akurasi
yang optimal untuk mengklasifikasi jamur.
Perancangan/metode/pendekatan : Menggunakan metode CNN dengan arsitektur VGG16
untuk menegtahui kombinasi nilai hyperparameter yang optimal untuk klasifikasi jamur.
Hasil : Berdasarkan hasil penelitian dan pembahasan yang telah dilakukan, kombiniasi nilai
hyperparameter pada CNN dengan arsitektur VGG16. Pengujian ke-15 menggunakan
hyperparameter berupa lerning rate dengan nilai 0,001, jumlah batch size 64, jumlah epoch
100 dan menggunakan optimizer RMSProp memperoleh hasil yang paling tinggi yaitu
89,33%. Pada kombinasi tersebut menghasilkan model yang baik dan tidak mengalami
overfitting.
Keaslian/ State of the art : Berdasarkan penelitian sebelumnya, penelitian ini memiliki
perbedaan dalam dataset yang digunakan yaitu menggunkan dataset Mushroom picture.
Selain itu memiliki perbedaan pada hyperparameter dan nilai hyperparameter yang
digunakan, dimana menggunkan Learning rate dengan niai 0.01, 0,001 dan 0.0001, optimasi
yang gunakan yaitu Adam, RMSProp dan SGD, dan Jumlah Epoch yang digunakan 60, 100
dan 120.
Kata Kunci: Hyperparameter, Convolutional Neural Network, Jamur, VGG16

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Hyperparameter, Convolutional Neural Network, Jamur, VGG16
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	A.Md Apriliani Kusuma Wardhani
Date Deposited:	23 Aug 2023 07:13
Last Modified:	23 Aug 2023 07:14
URI:	http://eprints.upnyk.ac.id/id/eprint/37098

Actions (login required)

View Item