Adaptive Moment Estimation Pada Convolutional Neural Network Untuk Pengenalan Motif Kain Batik
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Karlam, Ahmad
Subject
004_Data Processing & Computer Science
Datestamp
2019-10-03 03:13:32
Abstract :
Penelitian ini membahas tentang pengenalan motif kain batik dengan menggunakan metode convolutional neural network dan adaptive moment estimation sebagai optimizer. Untuk dapat mengenali motif kain batik dapat memanfaatkan deep learning dengan menggunakan metode convolutional neural network. Metode convolutional neural network sudah biasa digunakan untuk dalam kasus pengenalan gambar. Keberhasilan penggunaan convolutional neural network ditentukan dari arstitektur convolutional neural network yang digunakan. Pada penelitian ini digunakan arsitektur VGG16 yang merupakan salah satu pemenang dari lomba ImageNet. Penelitian ini bertujuan untuk mengetahui pengaruh adaptive moment estimation dalam peningkatan akurasi dari pengenalan motif kain batik. Metode convolutional neural network memiliki banyak hal yang mempengaruhi tingkat akurasinya, ada banyak hal yang mempengaruhi keberhasilan penggunaan convolutional neural network. Untuk itu, dalam penelitian ini akan diuji pengaruh adaptive moment estimation dalam peningkatan akurasi dari metode convolutional neural network dengan melihat pengaruh ukuran gambar, jumlah layer, jumlah neuron dan pemilihan learning rate. Hasil dari penelitian ini dapat diketuhui bahwa penggunaan arsitektur VGG16 dengan menggunakan ukuran gambar 256 pixel, jumlah layer 1 dengan jumlah neuron 2048, menggunakan adaptive moment estimation dengan learning rate 0.0006 dapat menghasilkan akurasi terbaik 84.210% dalam kasus pengenalan motif kain batik.
Penelitian ini membahas tentang pengenalan motif kain batik dengan menggunakan metode convolutional neural network dan adaptive moment estimation sebagai optimizer. Untuk dapat mengenali motif kain batik dapat memanfaatkan deep learning dengan menggunakan metode convolutional neural network. Metode convolutional neural network sudah biasa digunakan untuk dalam kasus pengenalan gambar. Keberhasilan penggunaan convolutional neural network ditentukan dari arstitektur convolutional neural network yang digunakan. Pada penelitian ini digunakan arsitektur VGG16 yang merupakan salah satu pemenang dari lomba ImageNet. Penelitian ini bertujuan untuk mengetahui pengaruh adaptive moment estimation dalam peningkatan akurasi dari pengenalan motif kain batik. Metode convolutional neural network memiliki banyak hal yang mempengaruhi tingkat akurasinya, ada banyak hal yang mempengaruhi keberhasilan penggunaan convolutional neural network. Untuk itu, dalam penelitian ini akan diuji pengaruh adaptive moment estimation dalam peningkatan akurasi dari metode convolutional neural network dengan melihat pengaruh ukuran gambar, jumlah layer, jumlah neuron dan pemilihan learning rate. Hasil dari penelitian ini dapat diketuhui bahwa penggunaan arsitektur VGG16 dengan menggunakan ukuran gambar 256 pixel, jumlah layer 1 dengan jumlah neuron 2048, menggunakan adaptive moment estimation dengan learning rate 0.0006 dapat menghasilkan akurasi terbaik 84.210% dalam kasus pengenalan motif kain batik.
File :
UNIKOM_AHMAD KARLAM_COVER.pdf
UNIKOM_AHMAD KARLAM_LEMBAR PENGESAHAN.pdf
UNIKOM_AHMAD KARLAM_BAB 5.pdf
UNIKOM_AHMAD KARLAM_DAFTAR PUSTAKA.pdf
UNIKOM_AHMAD KARLAM_JURNAL DALAM BAHASA INDONESIA.pdf
UNIKOM_AHMAD KARLAM_JURNAL DALAM BAHASA INGGRIS.pdf
UNIKOM_AHMAD KARLAM_SURAT KETERANGAN PUBLIKASI.pdf
UNIKOM_AHMAD KARLAM_SURAT KETERANGAN ORISINALITAS.pdf
UNIKOM_AHMAD KARLAM_KATA PENGANTAR.pdf
UNIKOM_AHMAD KARLAM_DAFTAR ISI.pdf
UNIKOM_AHMAD KARLAM_BAB 1.pdf
UNIKOM_AHMAD KARLAM_BAB 2.pdf
UNIKOM_AHMAD KARLAM_BAB 3.pdf
UNIKOM_AHMAD KARLAM_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
