Akhmad Ridho, 4611416026 (2021) CHAOTIC WHALE OPTIMIZATION ALGORITHM DALAM PEMILIHAN HYPER-PARAMETER PADA ALGORITMA CONVOLUTIONAL NEURAL NETWORK. Under Graduates thesis, Universitas Negeri Semarang.

PDF - Published Version Restricted to Repository staff only Download (10MB) | Request a copy

Abstract

Convolutional Neural Network merupakan salah satu variasi algoritma deep neural network untuk menyelesaikan tugas computer vision dengan kemampuan mengolah data skala besar dan membangun model hierarki rumit. Perkembangan Graphic Processing Unit menjadikan algoritma ini sering dipakai pada penelitian selain computer vision, akan tetapi pada pemakaiannya masalah menentukan nilai hyper�parameter ikut mempengaruhi hasil yang didapatkan algoritma sehingga tujuan penelitian ini untuk mengotomatisasi pemilihan hyper-parameter agar hasil optimal. Pada penelitian ini, pemilihan hyper-parameter menggunakan metode Chaotic Whale Optimization Algorithm sedangkan dataset yang digunakan adalah MNIST dan FashionMNIST. Kemudian hasil dibandingkan dengan metode Whale Optimization Algorithm dan metode modifikasi dari Parameter-settings-free Harmony Search Algorithm. Hasil penelitian menunjukkan pada dataset MNIST Chaotic Whale Optimization Algorithm mendapatkan nilai fitness terbaik dibandingkan dua metode lainnya dengan nilai sebesar 0.023 dan nilai akurasi 99.63. Kemudian dataset FashionMNIST Chaotic Whale Optimization Algorithm mendapatkan nilai fitness terbaik dibandingkan dua metode lainnya dengan nilai sebesar 0.23 dan nilai akurasi 91.36. Berdasarkan hasil pengujian metode Chaotic Whale Optimization Algorithm memiliki nilai fitness terbaik dan mencapai global optimum dibandingkan dua metode lainnya.

Actions (login required)

View Item