Penerapan Grid Search Method Untuk Optimasi pada Model Convolutional Neural network

Wowor, Leonardo D. (2025) Penerapan Grid Search Method Untuk Optimasi pada Model Convolutional Neural network. Fakultas Teknik Unsrat.

Preview

PDF (Skripsi) Download (730kB) | Preview

Abstract

Abstract — This research is motivated by the difficulty of finding hyperparameters in a Convolutional Neural network model. CNN models typically undergo a process of searching for several hyperparameters, known as Hyperparameter Tuning. Manual hyperparameter tuning, done one by one until an optimal combination is found with the best accuracy, takes a long time and can be quite inefficient. Therefore, this research applies a hyperparameter tuning Method to a CNN model for testing. The hyperparameter tuning Method used is the Grid Search Method. By using Grid search, the process of searching for hyperparameter combinations is expected to be faster and more optimal with the best accuracy. As a result, the CNN model created in the first trial achieved an accuracy rate of 99%. It can be concluded that the Grid Search Method works well with the model created, making the process of building the CNN model faster with just one hyperparameter tuning process. Key words — Convolutional Neural network; Grid Search Method; Machine Learning; Optimization. Abstrak — Penelitian ini di latar belakangi oleh permasalahan dalam sulitnya mencari hyperparameter pada suatu model Convolutional Neural network. Model Convolutional Neural network umumnya melalui proses pencarian beberapa hyperparameter atau disebut Hyperparameter tuning. Hyperparameter tuning yang dilakukan secara manual atau satu persatu hingga menemukan kombinasi hyperparameter yang optimal dengan akurasi terbaik, akan memakan waktu yang panjang dan cukup lama sehingga membuat proses menentukan Hyperprapmeter menjadi kurang efektif. Untuk itu, penelitian ini dilakukan menerapkan suatu metode hyperparameter tuning ke dalam model Convolutional Neural network yang akan diuji. Metode Hyperparmeter Tuning yang digunakan adalah metode Grid search. Dengan menggunakan Grid search maka proses ada pencarian kombinasi Hyperparameter diharapkan akan menjadi lebih cepat dan optimal dengan akurasi terbaik. Hasilnya, model Convolutional Neural network yang dibuat dalam uji coba pertama mendapatkan tingkat akurasi 99 persen. Dengan demikian dapat disimpulkan bahwa metode Grid search mampu berjalan dengan baik pada model yang dibuat, sehingga proses pembuatan model Convolutional Neural network menjadi lebih cepat dengan hanya sekali proses Hyperparameter tuning. Kata kunci — Convolutional Neural network; Grid Search Method; Machine Learning; Optimasi

Item Type:	Other
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > Teknik Informatika
Depositing User:	Mr. Benhard W. Tampangela, ST
Date Deposited:	25 Apr 2025 04:58
Last Modified:	25 Apr 2025 04:58
URI:	http://repo.unsrat.ac.id/id/eprint/5207

Actions (login required)

View Item