Page 50 - Learning Dosen
P. 50
32x150x150 64x75x75 96x37x37 96x18x18 96x18x18 96x9x9 1x7776
32x75x75 5 64x37x37 1x512
1x2
Gambar 23 Arsitektur CNN
c. Metode pembobotan pada studi kasus klasifikasi citra yaitu
menggunakan operasi konvolusi.
2. Hasil Pelatihan Jaringan CNN
a. Tabel 3 merupakan nilai Loss dan Akurasi pada klasifikasi
citra menggunakan data augmentasi dengan optimizer
yang berbeda-beda.
Tabel 3 Nilai Loss dan Akurasi pada Klasifikasi Citra
Nadam (%) RMSprop (%) SGD (%)
Akurasi Loss Akurasi Loss Akurasi Loss
0,88 0,27 0,89 0,24 0,96 0,09
b. Berdasarkan perbandingan data pada Tebel 3, optimizer
yang menghasilkan nilai akurasi yang mendekati 1 dan loss
yang mendekati 0 pada klasifikasi citra CNN yaitu optimizer
SGD dengan nilai akurasi sebesar 0,96% dan Loss 0,09%.
43
