OPTIMASI STRUKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) PADA MODEL KLASIFIKASI GAMBAR TULISAN TANGAN DENGAN HYPERPARAMETER TUNING

Wicaksono, Akbar Aryo (2023) OPTIMASI STRUKTUR CONVOLUTIONAL NEURAL NETWORK (CNN) PADA MODEL KLASIFIKASI GAMBAR TULISAN TANGAN DENGAN HYPERPARAMETER TUNING. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (188kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (1MB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (139kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (823kB)
	Text (BAB V) BAB V.pdf Download (45kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (162kB)
	Archive (SOURCE CODE) Source Code - Akbar Aryo Wicaksono.zip Restricted to Repository staff only Download (3MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (659kB)

Abstract

Tingkat keakuratan dalam proses klasifikasi gambar merupakan variabel yang sangat penting. Berbagai teknik klasifikasi gambar sudah banyak dikembangkan. Teknik klasifikasi gambar yang terpopuler saat ini yaitu Deep Neural Network (DNN), dan di antara Deep Neural Network (DNN), Convolutional Neural Network (CNN) telah menunjukkan hasil yang sangat baik di dunia computer vision, terutama dalam klasifikasi gambar. Meski CNN sering dijuluki state-of-the-art dalam hal pengklasifikasian gambar, CNN masih memiliki beberapa kekurangan atau batasan. Salah satu batasan yang dihadapi CNN yaitu struktur jaringan yang optimal hanya dapat ditentukan melalui eksperimen atau sering juga disebut trial-and-error. Hal tersebut membuat peforma dalam mencari keakuratan yang maksimal menjadi kurang optimal. Pengoptimalan struktur pada CNN dapat dilakukan dengan melakukan Hyperparameter Tuning. Hyperparameter Tuning dapat meningkatkan peforma dan menemukan nilai keakuratan tertinggi dengan menemukan kombinasi yang tepat dari nilai-nilai hyperparameter. Penelitian ini berfokus pada penggunaan Convolutional Neural Network (CNN) dalam klasifikasi gambar tulisan tangan, dengan dataset KMNIST (Kuzushiji-MNIST), yang terdiri dari 60.000 gambar karakter hiragana bergaya tulisan kursif. Dalam penelitian ini, kami menjelaskan bagaimana pengoptimalan hyperparameter melalui metode random search dan bayesian optimization pada CNN dapat meningkatkan akurasi klasifikasi gambar tulisan tangan. Hasil eksperimen pada dataset KMNIST menunjukkan bahwa penerapan hyperparameter tuning secara efektif menggunakan metode random search dan bayesian optimization pada Convolutional Neural Network (CNN) menghasilkan peningkatan yang signifikan dalam akurasi klasifikasi. Dalam pengujian yang melibatkan karakter hiragana bergaya tulisan kursif yang bervariasi dari sederhana hingga kompleks, metode yang diusulkan berhasil meningkatkan kinerja model, membuktikan bahwa pendekatan ini memberikan hasil yang lebih baik daripada pendekatan awal.

Actions (login required)

View Item