M, M IKHWAN ALIF and Ernawati, Ernawati and Yusa, Mochammad (2021) ANALISA HYPERPARAMETER PADA ARSITEKTUR CONVOLUTION NEURAL NETWORK UNTUK KLASIFIKASI MEREK MOBIL. Other thesis, Universitas Bengkulu.
![Thesis [thumbnail of Thesis]](https://repository.unib.ac.id/style/images/fileicons/archive.png)
Skripsi_M Ikhwan Alif M.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).
Download (3MB)
Abstract
Merek merupakan identitas utama dari suatu produk atau jasa dari badan usaha
sehingga dapat dibedakan dari produk atau jasa diantara badan usaha lain yang
sejenis. Merek merupakan nama, istilah, tanda, gambar desain, ataupun kombinasi
yang mengidentifikasikan suatu produk atau jasa yang dihasilkan oleh suatu
perusahaan. Identifikasi merek berfungsi untuk membedakannya dengan produk
yang ditawarkan oleh perusahaan pesaing. Penelitian ini bertujuan untuk membuat
suatu model yang dapat digunakan untuk klasifikasi merek mobil. Algoritma
Machine Learning yang digunakan adalah Convolutional Neural Network juga
disebut ConvNet merupakan jenis Jaringan Syaraf Tiruan yang memiliki arsitektur
umpan-maju dan memiliki kemampuan generalisasi yang luar biasa dibandingkan
dengan jaringan lain dengan lapisan Fully Connected lainnya, CNN dapat belajar
dari objek yang abstrak terutama data spasial yang dapat mengidentifikasi sesuatu
secara lebih efisien. Penelitian yang digunakan yaitu penelitian terapan dengan
menerapkan teknologi kecerdasan dan pembelajaran mesin. Pada penelitian ini,
model yang digunakan berhasil melakukan proses klasifikasi merek mobil dengan
akurasi sebesar 99,69 %. Walaupun demikian, dengan adanya tingkat komputasi
yang dinilai terlalu tinggi maka model yang terbentuk menjadi overfitting sehingga
berdampak kepada akurasi yang dihasilkannya yang dinilai kurang maksimal dari
yang diharapkan. Akurasi dari arsitektur yang terbentuk pada model Convolutional
Neural Network yang berhasil dilatih yaitu sebesar 99,69 %.
Kata kunci : CNN, hyperparameter, model, overfitting, akurasi, klasifikasi
Item Type: | Thesis (Other) |
---|---|
Subjects: | T Technology > T Technology (General) |
Divisions: | Faculty of Engineering > Department of Informatics Engineering |
Depositing User: | 58 lili haryanti |
Date Deposited: | 09 Oct 2025 02:08 |
Last Modified: | 09 Oct 2025 02:08 |
URI: | https://repository.unib.ac.id/id/eprint/28341 |