ANALISIS PERBANDINGAN OPTIMIZER PADA PELATIHAN MODEL CONVOLUTIONAL NEURAL NETWORK UNTUK KASUS KLASIFIKASI HEWAN PRIMATA

SINTA SOLIHAT, - (2024) ANALISIS PERBANDINGAN OPTIMIZER PADA PELATIHAN MODEL CONVOLUTIONAL NEURAL NETWORK UNTUK KASUS KLASIFIKASI HEWAN PRIMATA. S1 thesis, Universitas Pendidikan Indonesia.

	Text TA_ART_PSTI_1901933_SK.pdf Download (914kB)
	Text TA_ART_PSTI_1901933_ART.pdf Restricted to Staf Perpustakaan Download (1MB) | Request a copy

Abstract

ABSTRAK Klasifikasi merupakan suatu cara untuk mengelompokan hal tertentu contohnya hewan primata berdasarkan persamaan serta perbedaan yang ada pada hewan. Klasifikasi ini ditujukan untuk mengidentifikasi persamaan atau ciri-ciri yang ada pada hewan tersebut. Image classification adalah proses pengelompokan suatu objek berupa gambar ke dalam kategori tertentu menggunakan algoritma CNN, akan tetapi tingkat akurasi yang dihasilkan belum memuaskan. Maka daripada itu, tujuan dari penelitian ini adalah menghasilkan optimizer yang tepat untuk digunakan pada model CNN. Pada penelitian ini data yang dikumpulkan dengan menggunakan metode web scrapping dan sumber data merupakan dari google image, sehingga total jumlah data yang diperoleh adalah 1631 gambar. Framework untuk menyelesaikan penelitian ini adalah AI Project Cycle yaitu di antaranya adalah problem scoping, data acquisition, data exploration, modelling, dan evaluation. Berdasarkan hasil penelitian optimizer yang memiliki nilai akurasi tertinggi merupakan Adadelta dengan nilai akurasi 75%. Maka dari itu Adadelta merupakan optimizer yang tepat untuk digunakan pada model algoritma CNN untuk klasifikasi primata. Kata Kunci: Adadelta; CNN; Hewan Primata; Klasifikasi Gambar; Optimizer ----- Classification is a way to group certain things, for example primate animals, based on the similarities and differences that exist in animals. This classification intends to identify similarities or characteristics in these animals. Image classification is the process of grouping an object in the form of an image into certain categories using the CNN algorithm, but the resulting accuracy level is not satisfactory. Therefore, this research aims to produce the right optimizer to be used in the CNN model. In this study, the data was collected using the web scrapping method, and the data source is Google Images, so the total amount of data obtained is 1631 images. The framework for completing this research is the AI Project Cycle, which includes problem scoping, data acquisition, data exploration, modelling, and evaluation. Based on the research results, the optimizer with the highest accuracy value is Adadelta, which has an accuracy value of 75%. Therefore, Adadelta is the right optimizer for primate classification in the CNN algorithm model. Keywords: Adadelta; CNN; Image Classification; Optimizer; Primate Animals

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.co.id/citations?user=-J2-v_EAAAAJ ID Sinta Dosen Pembimbing SUPRIH WIDODO: 5978120 DIAN PERMATA SARI: 6160445
Uncontrolled Keywords:	Adadelta; CNN; Hewan Primata; Klasifikasi Gambar; Optimizer
Subjects:	T Technology > T Technology (General)
Divisions:	UPI Kampus Purwakarta > S1 Pendidikan Sistem Teknologi dan Informasi
Depositing User:	Sinta Solihat
Date Deposited:	30 Apr 2024 06:39
Last Modified:	30 Apr 2024 06:39
URI:	http://repository.upi.edu/id/eprint/116869

Actions (login required)

View Item