Page 36 - Learning Mahasiswa

pada convolution layer direpresentasikan sebagai volume B x K x
L atau layer ukuran B x K dengan jumlah sebanyak L (Gambar 18).

Convolution layer mamiliki hyperparameter dan parameter.

Hyperparameter pada layer ini menjadi acuan untuk menentukan

jumlah dan ukuran hasil ekstraksi layer (Tabel 1).
Tabel 1 Hyperparameter pada Convolution Layer

No Hyperparameter Keterangan

1 Depth Jumlah layer pada konvolusi atau
kedalaman layer

2 Stride Jumlah pergeseran filter pada

proses konvolusi

3 Zero-padding Jumlah penambahan nilai

intensitasi nol di daerah sekitar
input gambar

Gambar 17 Input Gambar pada Convolutional Layer
Sumber: wikipedia.org

Convolutional layer pada Gambar 17 merupakan contoh input
gambar berukuran 32 x 32 x 3, dengan volume convolutional layer

pada layer pertama dan setiap neuron terhubung pada daerah

layer input. Salah satu parameter pada convolutional layer yaitu

parameter sharing yang digunakan untuk mengontrol jumlah
parameter. Parameter ini merupakan himpunan learnable filter

(suatu kernel yang nilai berupa bobot). Jika dibandingkan dengan

29