Pengaruh Epoch pada Akurasi menggunakan Convolutional Neural Network untuk Klasifikasi fashion dan Furniture

Authors

DOI:

https://doi.org/10.29408/jit.v5i1.4393

Keywords:

CNN, fashion, furniture, epoch

Abstract

Fashion dan furniture menjadi kebutuhan untuk setiap individu. Pemilihan fashion terkadang juga bisa menjadi penilaian orang lain terhadap karakter yang dimiliki tiap individu. Begitupun pemilihan furniture juga bisa menggambarkan identitas dari tiap individu. Namun fashion dan furniture memiliki berbagai macam model, untuk itu dibutuhkan teknologi informasi yang bisa membedakan antara model a dan model b. Klasifikasi adalah salah satu model yang mengelompokkan berdasarkan kriteria yang sama. Penggunaan klasifikasi haruslah didukung dengan metode yang tepat dan penggunaan epoch agar akurasi yang dihasilkan dapat maksimal. Metode Convolutional Neural Network (CNN) adalah metode yang sangat tepat untuk klasifikasi gambar karena terdapat banyak arsitektur yang bisa digunakan.Hasil penelitian ini menunjukkan bahwa akurasi terbaik pada furniture=94.18% dengan penggunaan epoch=500, dan fashion =99.15% dengan penggunaan epoch=1500

References

A. A. Riyanto, “Sejarah Dan Perkembangan Mode Busana,” 2005.

C. Candra, A. Santosa, and M. T. Rizqy, “Perancangan Mebel Multifungsi untuk ‘ Daily Treats ’ Surabaya,” J. Intra, vol. 5, no. 2, pp. 322–331, 2017.

M. S. Wibawa, “Pengaruh Fungsi Aktivasi , Optimisasi dan Jumlah Epoch Terhadap Performa Jaringan Saraf Tiruan,” J. Sist. dan Inform., vol. 11, no. 2, pp. 167–174, 2017, doi: 10.13140/RG.2.2.21139.94241.

A. Bengio, Yoshua, Goodfellow.ian, Courville, “Deep learning,” Nature, vol. 29, no. 7553, pp. 1–73, 2015.

D. Justus, J. Brennan, S. Bonner, and A. S. McGough, “Predicting the Computational Cost of Deep Learning Models,” Proc. - 2018 IEEE Int. Conf. Big Data, Big Data 2018, pp. 3873–3882, 2019, doi: 10.1109/BigData.2018.8622396.

Y. Kanada, “Optimizing neural-network learning rate by using a genetic algorithm with per-epoch mutations,” Proc. Int. Jt. Conf. Neural Networks, vol. 2016-Octob, no. March, pp. 1472–1479, 2016, doi: 10.1109/IJCNN.2016.7727372.

Y. You, Z. Zhang, C. J. Hsieh, J. Demmel, and K. Keutzer, “ImageNet training in minutes,” ACM Int. Conf. Proceeding Ser., no. September, 2018, doi: 10.1145/3225058.3225069.

N. Inoue, E. Simo-Serra, T. Yamasaki, and H. Ishikawa, “Multi-label Fashion Image Classification with Minimal Human Supervision,” Proc. - 2017 IEEE Int. Conf. Comput. Vis. Work. ICCVW 2017, vol. 2018-Janua, pp. 2261–2267, 2017, doi: 10.1109/ICCVW.2017.265.

W. Wang, Y. Xu, J. Shen, and S. C. Zhu, “Attentive Fashion Grammar Network for Fashion Landmark Detection and Clothing Category Classification,” Proc. IEEE Comput. Soc. Conf. Comput. Vis. Pattern Recognit., pp. 4271–4280, 2018, doi: 10.1109/CVPR.2018.00449.

A. Kimura, I. Takahashi, M. Tanaka, N. Yasuda, N. Ueda, and N. Yoshida, “Single-Epoch Supernova Classification with Deep Convolutional Neural Networks,” Proc. - IEEE 37th Int. Conf. Distrib. Comput. Syst. Work. ICDCSW 2017, pp. 354–359, 2017, doi: 10.1109/ICDCSW.2017.47.

Y. Seo and K. shik Shin, “Hierarchical convolutional neural networks for fashion image classification,” Expert Syst. Appl., vol. 116, pp. 328–339, 2019, doi: 10.1016/j.eswa.2018.09.022.

Sudianto Aris, “Penerapan Website Sebagai Sarana Promosi Wisata Budaya pada Kabupaten Lombok Timur,” Infotek J. Inform. dan Teknol., vol. 1Sudianto, no. 1, pp. 11–17, 2018.

A. Sudianto and H. Ahmadi, “Rancang Bangun Sistem Informasi Penjualan Sparepart Motor Pada Bengkel Vinensi Motor Berbasis Web Guna Meningkatkan Penjualan dan Promosi Produk Pendahuluan Vinensi sepeda motor motor,” Infotek J. Inform. dan Teknol., vol. 3, no. 2, pp. 32–39, 2020.

A. Sudianto and J. Sugiantara, “Website as Foundation Information Media under the auspices of Nahdlatul Wathan,” J. Phys. Conf. Ser., vol. 1539, no. 1, pp. 3–8, 2020, doi: 10.1088/1742-6596/1539/1/012024

S. M. Sudianto Aris, “Penerapan Sistem Informasi Geografis (GIS) dalam Pemetaan Kerajinan Kain Tenun dan Gerabah untuk Meningkatkan Potensi Kerajinan di Kabupaten Lombok Timur,” Infotek J. Inform. dan Teknol. J. Inform. dan Teknol., vol. 1, no. 2, pp. 64–71, 2018.

Downloads

Published

30-01-2022

How to Cite

Wasil, M., Harianto, H., & Fathurrahman, F. (2022). Pengaruh Epoch pada Akurasi menggunakan Convolutional Neural Network untuk Klasifikasi fashion dan Furniture. Infotek: Jurnal Informatika Dan Teknologi, 5(1), 53–61. https://doi.org/10.29408/jit.v5i1.4393

Most read articles by the same author(s)

1 2 > >>