Hyperparameter Tuning Epoch dalam Meningkatkan Akurasi Data Latih dan Data Validasi pada Citra Pengendara

Abstract

Epoch merupakan salah satu parameter penting dalam pengolahan citra untuk melatih data latih, data validasi ataupun data uji yang menghasilkan nilai akurasi tertentu. Di dalam penelitian ini dilakukan hyperparameter tuning terhadap nilai epoch untuk melihat optimasi nilai akurasi yang dihasilkan. Adapun objek yang dicermati adalah kondisi pengendara kendaraan roda empat yang diklasifikasikan pada posisi (1) Kondisi Ideal berkendara, dan (2) Kondisi tidak ideal berkendara. Data gambar yang diamati sejumlah Sehingga rumusan masalah dari penelitian ini adalah bagaimana mengukur nilai Epoch dalam menghasilkan akurasi prediksi pengendara kendaraan roda empat. Objek yang diamati adalah 5416 citra yang bersumber dari dataset citra amazonaws.com yang sudah tersedia secara publik. Tujuan dari penelitian ini adalah mengukur nilai akurasi terbaik dengan melakukan hyperparameter tuning pada Epoch, sehingga menghasilkan nilai akurasi tertinggi. Tahapan penelitian dilakukan dengan (1) Integrasi Dataset; (2) Image Augmentation; (3) Preprocessing Data; (4) Pemodelan CNN; (5) Hyperparameter Tuning; (6) Penentuan Nilai Akurasi. Dari hasil hyperparameter tuning Epoch, nilai 15 memiliki hasil akurasi yang tertinggi yakni 92,83% untuk akurasi data latih dan 86,04% untuk akurasi data validasi.