<![CDATA[Hyperparameter tuning menjadi bagian yang tidak terpisahkan dalam sebuah pemodelan untuk mencapai performa akurasi yang terbaik. Salah satu parameter yang digunakan dalam hyperparameter tuning adalah epoch, dimana merupakan bagian dari pelatihan dalam sebuah model untuk melihat akurasi terbaiknya. Dalam penelitian ini dilakukan hyperparameter tuning terhadap epoch untuk melihat titik optimum yang dihasilkan dengan 11 skenario epoch yakni epoch 50, epoch 55, epoch 60, epoch 65, epoch 70, epoch 75, epoch 80, epoch 85, epoch 90, epoch 95 dan epoch 100. Adapun batasan dalam penelitian ini adalah: (1) data yang dicermati merupakan citra kebakaran sebanyak 4650 citra yang terdiri dari kondisi kebakaran dan tidak kebakaran dan (2) pemodelan dengan deep learning CNN. Tahapan yang dilakukan meliputi preparation data, image augmentation, pre-processing data, pemodelan menggunakan CNN, epoch hyperparameter tuning, dan data interpretation. Di dalam penelitian ini, acuan hasil yang optimal berpatokan pada nilai rerata accuracy dan val accuracy. Hasil penelitian menunjukkan bahwa secara keseluruhan skenario epoch memiliki rerata accuracy dan val accuracy di atas 89%, dengan terdapat 6 skenario epoch dengan persentasi rerata accuracy dan val accuracy di atas 90%, yakni epoch 85, epoch 90, epoch 80, epoch 95, epoch 75, dan epoch 100. Sedangkan untuk skenario epoch dengan nilai rerata accuracy dan val accuracy tertinggi terdapat pada epoch 85 dimana disimpulkan bahwa epoch 85 merupakan titik optimal dalam penelitian ini.]]>
Copyrights © 2022
