PERBANDINGAN OPTIMASI SGD, ADADELTA, DAN ADAM DALAM KLASIFIKASI HYDRANGEA MENGGUNAKAN CNN

Desi Irfan, Rika Rosnelly, Masri Wahyuni, Jaka Tirta Samudra, Aditia Rangga

Abstract


Abstract - invasive species are threatening indigenous species habitat in many countries around the world. Nowadays, the monitoring method relies on scientists. Scientists are skilled to see the determined areas and record the living species. Applying high skill labors requires high cost, inefficient time and limited scope as the large area cannot be reached by the man. In this research, engine based learning approach was presented to identify the image of invasive hydrangea (indigenous species from Asia) with data collection around 800 images taken form the Brazil national forest and Hydrangea appears in some images. Gradient Descent optimization method is frequently used for artificial neural network. This method roles to discover standard grade for the best output. The Gradient Descent method role play is minimizing the cost function grade by changing the parameter grade step by step. Three optimization methods have been implemented namely Stochastic Gradient Descent (SGD), ADADELTA, and Adam in the artificial neural network (Ann) for classifying aritmia data [32]. This research used the most suitable error grade limitation from each optimization method as the indicators at the end of the training. The result of this research showed that artificial nerve tissue using Adam optimization gets the highest accuration compared with SDG and ADADELTA optimization methods. Deep Learning Technique applied extensively in image introduction is Adam optimization. The training model has reached accuration to 83, 5 % and showed properness of approach conducted.

 

Keyword: SGD, Adadelta, Adam, Optimizer Function

Abstrak— Spesies invasif mengancam habitat spesies asli di banyak negara di dunia. Saat ini dalam metode pemantauan mereka tergantung pada pengetahuan ahli. Ilmuwan terlatih mengunjungi area yang ditentukan dan mencatat spesies yang menghuninya. Menggunakan tenaga kerja berkualifikasi tinggi seperti itu membutuhkan biaya yang mahal, tidak efisien waktu dan jangkauan yang terbatas karena manusia tidak dapat mencakup area yang luas. Dalam makalah ini, pendekatan berbasis pembelajaran mesin disajikan untuk mengidentifikasi gambar hydrangea invasif (spesies invasif asli Asia) dengan kumpulan data yang berisi sekitar 800 gambar yang diambil di hutan nasional Brasil dan di beberapa gambar terdapat Hydrangea.  Metode optimasi Gradient Descent sering digunakan untuk pelatihan Jaringan Syaraf Tiruan (JST). Metode ini berperan dalam menemukan nilai bobot yang memberikan nilai keluaran terbaik. Prinsip kerja metode Gradient Descent adalah memperkecil nilai fungsi biaya dengan mengubah nilai parameter selangkah demi selangkah. Telah diimplementasikan tiga buah metode optimasi yaitu Stochastic Gradient Descent (SGD), ADADELTA, dan Adam pada sistem Jaringan Saraf Tiruan untuk klasifikasi data aritmia [32]. Penelitian ini menggunakan batas nilai kesalahan yang paling sesuai dari masing-masing metode optimasi  sebagai kriteria pemberhentian pelatihan. Hasil penelitian menunjukkan Jaringan Saraf Tiruan dengan optimasi Adam menghasilkan akurasi tertinggi dibandingkan dengan dengan metode optimasi SGD dan ADADELTA.Teknik Deep Learning  yang diterapkan secara ekstensif pada pengenalan gambar yang digunakan memanfaatkan metode optimizer Adam  . Model yang kita latih menggunakan fungsi optimisasi Adam mencapai akurasi 83,5% pada tes yang lakukan, menunjukkan kelayakan pada  pendekatan yang dilakukan .

Kata Kunci— SGD, Adadelta, Adam, Fungsi Optimasi


Full Text:

PDF

References


Referensi

Joan G. Ehrenfeld. (2010). "Ecosystem Consequences of Biological Invasions", Annual Review of Ecology, Evolution, and Systematics, 41: 59–80.

"A neutral terminology to define 'invasive species'", Robert I. Colautti et al., Diversity and Distributions, (Diversity Distrib.) (2004) 10, 135–141.

Kolar, C.S.; D.M. Lodge (2001). "Progress in invasion biology: predicting invaders". Trends in Ecology &Evolution. 16 (4): 199–204.

Reichard, S.H.; C. W. Hamilton (1997). "Predicting invasions of woody plants introduced into North America". Conservation Biology. 11 (1): 193–203.

Williams, J.D.; G. K. Meffe (1998). "Non indigenous Species". Status and Trends of the Nation's Biological Resources. Reston, Virginia: United States Department of the Interior, Geological Survey. 1.

Ewell, J.J.; D.J. O'Dowd; J. Bergelson; C.C. Daehler; C.M. D'Antonio; L.D. Gomez; D.R. Gordon; R.J. Hobbs; A. Holt; K.R. Hopper; C.E. Hughes; M. LaHart; R.R.B. Leakey; W.G. Wong; L.L. Loope; D.H. Lorence; S.M. Louda; A.E. Lugo; P.B. McEvoy; D.M.

Werbos, P.J. (1975). Beyond Regression: New Tools for Prediction and Analysis in the Behavioral Sciences.

https://lms.onnocenter.or.id/wiki/index.php/Keras:_Introduction_to_the_Adam_Optimization_Algorithm. Wiki. Retrieved 22 June 2016

https://keras.io/api/optimizers/adadelta/, keras. Retrieved 22 June 2016

https://skillplus.web.id/gradient-descent-dan-learning-rate-lanjutan/ SkillPlus. 22 Agustus 2019

Belal A . M. Ashqar, Samy S. Abu-Naser,"Identifying Images of Invasive Hydrangea Using Pre-Trained Deep Convolutional Neural Networks",International Journal of Academic Engineering Research (IJAER),Vol. 3 Issue 3, March – 2019

Somenath Bera & Vimal K. Shrivastava,"Analysis of various optimizers on deepconvolutional neural network model in theapplication of hyperspectral remote sensing imageclassification",International Journal of Remote Sensing,VOL. 41,2019.

Somenath Bera & Vimal K. Shrivastava.†Analysis of various optimizers on deepconvolutional neural network model in theapplication of hyperspectral remote sensing imageclassification†.2020.

L. Perez and J. Wang,â€The Effectiveness of Data Augmentation in Image Classification using Deep Learningâ€,13 December 2017.

liputan6.com.(2020. serangan hama. Diakses pada 14 januari 2022 dari https://www.liputan6.com/tag/serangan-hama

repository.ipb.ac.id.(2006). Pengaruh penambahan bahan aktif EM4 dan kotoran ayam pada kompos alang-alang, Imperata cylindrica terhadap pertumbuhan semai, Gmelina arborea. Diakses pada 14 januari 2021, dari

https://repository.ipb.ac.id/handle/123456789/46148

text-id.123dok.com. Pra-pemrosesan Pre-processing LANDASAN TEORI. Diakses pada 14 januari 2021, dari https://text-id.123dok.com/document/6zkek81zx-pra-pemrosesan-pre-processing-landasan-teori.html

ars.ft.unram.ac.id.(2021). APA ITU ARSITEKTUR. Diakses pada 14 januari 2021, dari https://ars.ft.unram.ac.id/apa-itu-arsitektur/

Max Kuhn and Kjell Johnson.†Feature Engineering and Selection: A Practical Approach for Predictive Modelsâ€, 2019-06-

wikipedia.org. (1 September 2018). Cara Menulis Daftar Pustaka Dari Website. Diakses pada 14 Januari 2021, dari https://id.wikipedia.org/wiki/Optimasi




DOI: https://doi.org/10.54314/jssr.v5i2.789

Article Metrics

Abstract view : 69 times
PDF - 22 times

Announcement: Call for Paper 2021 Bingung Mengetahui ID Google Scholar?Berikut 3 langkah mudah mengetahui ID  dan menambahkan artikel publikasinya pada google scholar. Jurnal Online Universitas Jambi Tutorial Akses Jurnal Indonesia OneSearch | Perpustakaan