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
   45   46   47   48   49   50   51   52