Page 96 - Gagasan Inovasi Pendidikan Volume 1
P. 96
Inspiring Lecturer Paragon
kelas. Blok kode program di bawah digunakan dalam pembuatan
arsitektur CNN menggunakan library TFLearn.
Ukuran dari feature map keluaran dipengaruhi oleh lapisan
sebelumnya beserta dengan hyperparameter yang ditentukan. Jumlah
parameter pada lapisan konvolusi merupakan bobot yang digunakan
dalam pengekstraksian ciri fitur dari citra oleh neural network untuk
melakukan identifikasi. Perhitungan parameter yang dapat dipelajari
bergantung pada hyperparameter yang sudah ditentukan dan juga
ukuran feature map dari lapisan sebelumnya. Pada lapisan konvolusi
pertama, dilakukan proses konvolusi terhadap citra masukan yang
memiliki 3 saluran warna RGB sebagai feature map masukan.
Konvolusi dilakukan dengan menggunakan filter berukuran 2x2 dan
akan menghasilkan 40 feature map.
Pelatihan Model CNN
Arsitektur CNN yang sudah dibuat akan dilakukan proses
pelatihan dengan memasukkan dataset yang sudah dibentuk. Training
set berisi 510 citra daun dan validation set berisi 127 citra daun.
Pelatihan menggunakan batch berukuran 30 citra sehingga dari 510
citra pada training set akan dibagi menjadi 17 batch. Pelatihan akan
dilakukan sebanyak 50 iterasi atau biasa disebut dengan epoch,
dimana peneliti mencatat hasil pelatihan dari tiap epoch yang
dilakukan. Epoch terbaik secara keseluruhan nantinya akan dipilih
sebagai model CNN yang akan dilakukan uji coba dan
pengimplementasian.
84
