IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK DENGAN MODEL VGG19 PADA KLASIFIKASI KONDISI CUACA

Savan, Dhimas Andika (2023) IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK DENGAN MODEL VGG19 PADA KLASIFIKASI KONDISI CUACA. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (36kB)
	Text COVER.pdf Download (135kB)
	Text DAFTAR ISI.pdf Download (52kB)
	Text DAFTAR PUSTAKA.pdf Download (171kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (303kB)
	Text PENGESAHAN PENGUJI.pdf Download (363kB)
	Text SKRIPSI FULL_Dhimas Andika Savan.pdf Restricted to Repository staff only Download (3MB)

Abstract

Cuaca adalah kondisi udara dalam waktu yang relatif singkat yang dinyatakan
dengan nilai parameter seperti kecepatan angin, suhu, tekanan, curah hujan dan fenomena
atmosfer lainnya sebagai komponen utama. Saat ini, stasiun observasi meteorologi berskala
besar masih mengandalkan penggunaan sensor cuaca untuk mengamati fenomena cuaca.
Namun, tingginya biaya sensor dan keterbatasan fungsi sensor menjadi permasalahan yang
menyebabkan observasi cuaca menjadi kurang populer sehingga dibutuhkan teknologi
computer vision dengan melakukan klasifikasi kondisi cuaca.
Metode Convolutional Neural Network (CNN) adalah salah satu algoritma dalam
deep learning yang dirancang khusus untuk mengolah data dua dimensi seperti gambar.
Keunggulan dari metode Convolutional Neural Network (CNN) adalah bahwa metode ini
tidak memerlukan ekstraksi ciri khusus yang melibatkan beberapa tahap untuk menghasilkan
ciri yang diperlukan dalam proses klasifikasi. Namun, sebagai kompensasi penggunaan
metode CNN membutuhkan jumlah data yang lebih besar untuk proses pelatihan. Performa
CNN dapat ditingkatkan lebih baik lagi dengan menggunakan transfer learning yang dapat
meningkatkan akurasi dari model yang dibuat, Transfer Learning adalah metode dimana
model deep learning CNN yang telah dilatih menggunakan dataset sebelumnya lalu
digunakan Kembali menggunakan dataset lain. Penambahan model Transfer Learning
VGG19 dibutuhkan pemrosesan data preprocessing seperti resize data dengan nilai 224x224
pixel dan melakukan normalisasi data untuk mendapatkan model yang optimal.
Pengujian penggunaan jenis Transfer Learning yang diujikan yaitu fine tuning,
frezzing layers, dan penggunaan model VGG19 non-transfer learning, pengujian ini
dikombinasikan dengan penggunaan hyperparameter epoch dengan nilai 5, 10, dan 15 untuk
mencari hasil akurasi klasifikasi terbaik. Pengujian ini didapatkan hasil terbaik dengan
kombinasi fine tuning dan penggunaan epoch sebesar 15 berhasil mendapatkan akurasi
klasifikasi kondisi cuaca sebesar 96.89 % pada data test.
Kata Kunci: Cuaca, Convolutional Neural Network, VGG19, Transfer Learning, Fine Tuning,
Frezzing Layers

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Cuaca, Convolutional Neural Network, VGG19, Transfer Learning, Fine Tuning, Frezzing Layers
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	15 Dec 2023 06:47
Last Modified:	15 Dec 2023 06:47
URI:	http://eprints.upnyk.ac.id/id/eprint/38352

Actions (login required)

View Item