OPTIMASI HYPERPARAMETER PADA ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK MOBILENETV2 DENGAN GRID SEARCH DALAM KLASIFIKASI CITRA RAS KUCING

Ardiyanto, Vincentius Willy (2024) OPTIMASI HYPERPARAMETER PADA ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK MOBILENETV2 DENGAN GRID SEARCH DALAM KLASIFIKASI CITRA RAS KUCING. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text COVER.pdf Download (163kB)
	Text ABSTRAK.pdf Download (7kB)
	Text DAFTAR ISI.pdf Download (56kB)
	Text DAFTAR PUSTAKA.pdf Download (74kB)
	Text PENGESAHAN PEMBIMBING.pdf Download (265kB)
	Text PENGESAHAN PENGUJI.pdf Download (302kB)
	Text SKRIPSI_FULL_VINCENTIUS WILLY ARDIYANTO.pdf Restricted to Repository staff only Download (1MB)

Abstract

Tujuan: Melakukan optimasi atau mengetahui nilai hyperparameter model convolutional
neural network (CNN) arsitektur MobileNetV2 paling optimal dengan grid search untuk
klasifikasi citra 12 kelas ras kucing yang ada di dataset Oxford III-T.
Perancangan/metode/pendekatan: Proses optimasi hyperparameter model CNN arsitektur
MobileNetV2 untuk klasifikasi dilakukan dengan metode grid search. Metode ini melakukan
percobaan pada semua kombinasi yang memungkinkan sehingga pasti mendapatkan hasil yang
optimal. Pada penelitian ini hyperparameter yang diujikan adalah optimizer, learning rate,
batch size, dan jumlah epoch.
Hasil: Pada pengujian dengan kombinasi hyperparameter default didapatkan model dengan
akurasi 92% di data validasi dan 99% di data training. Didapatkan model yang overfit. Dari
metode grid search didapatkan model dengan hyperparameter optimizer Adam, leraning rate
0,0001, batch size 32, dan jumlah epoch 25 dengan hasil akurasi validasi 90%, akurasi train
90%, akurasi testing sebesar 91%, rata-rata precision 91%, rata-rata recall 91%, dan rata-rata
f1-score 91%. Model ini memiliki tingkat overfit yang lebih rendah dari kombinasi default.
Keaslian/ state of the art: Penggunaan grid search untuk optimasi hyperparameter model CNN
arsitektur MobileNetV2 untuk klasifikasi citra di Oxford III-T Pet dataset. Implementasi model
ke perangkat mobile Android. Pengujian hyperparameter optimizer, learning rate, batch size,
dan jumlah epoch.
Kata kunci: Optimasi; Grid Search; Klasifikasi ras kucing; Convolution Neural Network;
MobileNetV2

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Optimasi; Grid Search; Klasifikasi ras kucing; Convolution Neural Network; MobileNetV2
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	23 Apr 2024 07:21
Last Modified:	23 Apr 2024 07:21
URI:	http://eprints.upnyk.ac.id/id/eprint/39337

Actions (login required)

View Item