Analisa learning rate dan batch size pada klasifikasi COVID-19 menggunakan deep learning dengan optimizer ADAM
JIEET (Journal of Information Engineering and Educational Technology)
; 5(2):44-48, 2021.
Article
in Indonesian
| Indonesian Research | ID: covidwho-1754804
ABSTRACT
Deep learning semakin berkembang pesat dan banyak dimanfaatkan dalam berbagai bidang kehidupan. Salah satunya bisa dimanfaatkan untuk klasifikasi image medis penderita COVID. Keras adalah salah satu framework deep learning yang paling banyak digunakan. Dalam Keras terdapat beberapa macam algoritma optimizer. Salah satunya adalah optimizer Adam. Untuk menggunakan optimizer Adam ini perlu menentukan angka learning rate. Penentuan angka learning rate sangat penting karena salah dalam menentukan angka learning rate akan berdampak pada hasil deep learning yang dilakukan. Batch size juga salah satu hyperparameter penting dalam deep learning. Penelitian ini bertujuan untuk mengetahui dan membandingkan beberapa learning rate dan batch size agar diketahui efek dan dampaknya pada hasil loss dan akurasi training dan validasi pada proses deep learning yang dilakukan. Ada 6 learning rate dan 3 batch size yang akan dibandingkan. Hasil yang optimal diantara 6 learning rate dalam penelitian ini adalah 0.0001 dan 0.00001. Sedangkan batch size yang paling bagus hasilnya dari tiga angka yang dibandingkan adalah batch size 5
Full text:
Available
Collection:
Databases of international organizations
Database:
Indonesian Research
Language:
Indonesian
Journal:
JIEET (Journal of Information Engineering and Educational Technology)
Year:
2021
Document Type:
Article
Similar
MEDLINE
...
LILACS
LIS