Rancang Bangun Klasifikasi Citra Dengan Teknologi Deep Learning Berbasis Metode Convolutional Neural Network

Ari Peryanto; Anton Yudhana; Rusydi Umar

doi:10.22441/format.2019.v8.i2.007

Authors

Ari Peryanto Universitas Ahmad Dahlan,
Anton Yudhana
Rusydi Umar

DOI:

https://doi.org/10.22441/format.2019.v8.i2.007

Keywords:

Deep Learning, Convolution Neural Network, Citra, Klasifikasi

Abstract

Dengan berkembang pesatnya teknologi saat ini, mengakibatkan Deep Learning menjadi salah satu metode machine learning yang sangat diminati. Teknologi GPU Acceleration menjadi salah satu sebab dari pesatnya perkembangan Deep Learning. Deep learning sangat cocok digunakan untuk memecahkan permasalahan klasik dalam Computer Vision, yaitu dalam pengklasifikasian citra. Salah satu metode dalam deep learning yang sering digunakan dalam pengolah citra adalah Convolutional Neural Network dan merupakan pengembangan dari Multi Layer Perceptron. Pada penelitian ini pengimplementasian metode ini dilakukan menggunakan library keras dengan bahasa pemrograman phyton. Pada proses training menggunakan Convolutional Neural Network, dilakukan setting jumlah epoch dan memperbesar ukuran data training untuk meningkatkan akurasi dalam pengklasifikasian citra. Ukuran yang digunakan adalah 32x32, 64x64 dan 128x128. Proses training dengan jumlah epoch 40 dan ukuran 32x32 didapat nilai akurasi tertinggi yang mencapai 98,02% dan rata-rata akurasi tertinggi yaitu 97,56 %, serta akurasi sistem sebesar 96,64%.

Downloads

Download data is not yet available.

References

W. S. Eka Putra, “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101,” J. Tek. ITS, vol. 5, no. 1, 2016.

A. Santoso and G. Ariyanto, “Implementasi Deep Learning Berbasis Keras Untuk Pengenalan Wajah,” Emit. J. Tek. Elektro, vol. 18, no. 01, pp. 15–21, 2018.

A. Nur and G. B. Hertantyo, “Implementasi Convolutional Neural Network untuk Klasifikasi Pembalap MotoGP Berbasis GPU,” pp. 50–55, 2018.

A. Fadlil, R. Umar, and S. Gustina, “Mushroom Images Identification Using Orde 1 Statistics Feature Extraction with Artificial Neural Network Classification Technique Mushroom Images Identification Using Orde 1 Statistics Feature Extraction with Artificial Neural Network Classification Techn,” 2019.

A. Ahmad, “Mengenal Artificial Intelligence, Machine Learning, Neural Network, dan Deep Learning,” J. Teknol. Indones., no. October, p. 3, 2017.

B. J. Erickson, P. Korfiatis, Z. Akkus, T. Kline, and K. Philbrick, “Toolkits and Libraries for Deep Learning,” J. Digit. Imaging, vol. 30, no. 4, pp. 400–405, 2017.

P. Jan and W. Gotama, “Pengenalan Pembelajaran Mesin dan Deep Learning Jan Wira Gotama Putra Pengenalan Konsep Pembelajaran Mesin dan Deep Learning,” no. July, pp. 1–199, 2018.

K. Chauhan and S. Ram, “International Journal of Advance Engineering and Research Image Classification with Deep Learning and Comparison between Different Convolutional Neural Network Structures using Tensorflow and Keras,” pp. 533–538, 2018.

H. Darmanto, D. Learning, T. Learning, and G. Descent, “Pengenalan Spesies Ikan Berdasarkan Kontur Otolith,” vol. 2, 2019.

K. O’Shea and R. Nash, “An Introduction to Convolutional Neural Networks,” pp. 1–11, 2015.

C. Y. Lee, P. W. Gallagher, and Z. Tu, “Generalizing pooling functions in convolutional neural networks: Mixed, gated, and tree,” Proc. 19th Int. Conf. Artif. Intell. Stat. AISTATS 2016, pp. 464–472, 2016.

Erickson, B. J., Korfiatis, P., Akkus, Z., Kline, T., & Philbrick, K. (2017). Toolkits and Libraries for Deep Learning. Journal of Digital Imaging, 30(4), 400–405.

Arrofiqoh, E. N., & Harintaka, H. (2018). Implementasi Metode Convolutional Neural Network Untuk Klasifikasi Tanaman Pada Citra Resolusi Tinggi. Geomatika, 24(2), 61.

Saifullah, S., -, S., & Yudhana, A. (2016). Analisis Perbandingan Pengolahan Citra Asli Dan Hasil Croping Untuk Identifikasi Telur. Jurnal Teknik Informatika Dan Sistem Informasi, 2(3), 341–350.

Riadi, I., Umar, R., & Aini, F. D. (2019). Analisis Perbandingan Detection Traffic Anomaly Dengan Metode Naive Bayes Dan Support Vector Machine (Svm). ILKOM Jurnal Ilmiah, 11(1), 17.

Faza, S. (2018). Peningkatan Kinerja Dalam Pengklasifikasian Menggunakan Deep Learning.

Harjoseputro, Y. (2018). Convolutional Neural Network (Cnn) Untuk Pengklasifikasian Aksara Jawa. Buana Informatika, 23.

Maha, V., Salawazo, P., Putra, D., Gea, J., Teknologi, F., & Indonesia, U. P. (2019). Implementasi Metode Convolutional Neural Network ( Cnn ) Pada Peneganalan Objek Video Cctv. 3(1), 74–79.

Marifatul Azizah, L., Fadillah Umayah, S., & Fajar, F. (2018). Deteksi Kecacatan Permukaan Buah Manggis Menggunakan Metode Deep Learning dengan Konvolusi Multilayer. Semesta Teknika, 21(2), 230–236.

Ilahiyah, S., & Nilogiri, A. (2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. 3(2), 49–56.

Abhirawan, H., Jondri, & Arifianto, A. (2017). Pengenalan Wajah Menggunakan Convolutional Neural Networks (CNN). Universitas Telkom, 4(3), 4907–4916.

Rachmadi, R. F., & Purnama, I. K. E. (2018). Paralel Spatial Pyramid Convolutional Neural Network untuk Verifikasi Kekerabatan berbasis Citra Wajah. Jurnal Teknologi Dan Sistem Komputer, 6(4), 152.

Pangestu, M. A., & Bunyamin, H. (2018). Analisis Performa dan Pengembangan Sistem Deteksi Ras Anjing pada Gambar dengan Menggunakan Pre-Trained CNN Model. Jurnal Teknik Informatika Dan Sistem Informasi, 4, 337–344.

Dewa, C. K., Fadhilah, A. L., & Afiahayati, A. (2018). Convolutional Neural Networks for Handwritten Javanese Character Recognition. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 12(1), 83.

Putu Aryasuta Wicaksana, I Made Sudarma, D. C. K. (2019). Pengenalan Pola Motif Kain Tenun Gringsing Menggunakan Metode Convolutional Neural Network Dengan Model Arsitektur. 6(3), 159–168.

Madhu Latha, M., & Krishnam Raju, K. V. (2019). Transfer learning based face recognition using deep learning. International Journal of Recent Technology and Engineering, 8(1), 38–44.