Suwasto, Anang (2021) KOMPRESI MODEL DEEP NEURAL NETWORK UNTUK KLASIFIKASI GAMBAR. Skripsi thesis, STMIK AKAKOM.
|
Text
1_175410040_HALAMAN_DEPAN.pdf - Published Version Download (2MB) | Preview |
|
|
Text
2_175410040_BAB_I.pdf - Published Version Download (78kB) | Preview |
|
|
Text
3_175410040_BAB_II.pdf - Published Version Download (344kB) | Preview |
|
![[img]](http://eprints.akakom.ac.id/style/images/fileicons/text.png) |
Text
4_175410040_BAB_III.pdf - Published Version Restricted to Repository staff only Download (433kB) | Request a copy |
|
|
Text
5_175410040_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (732kB) | Request a copy |
|
|
Text
6_175410040_BAB_V.pdf - Published Version Download (58kB) | Preview |
|
|
Text
7_175410040_DAFTAR_PUSTAKA.pdf - Published Version Download (58kB) | Preview |
|
|
Text
8_175410040_CARA_MENJALANKAN_PROGRAM.pdf - Published Version Download (275kB) | Preview |
|
|
Text
9_175410040_LISTING PROGRAM.pdf - Published Version Restricted to Repository staff only Download (149kB) | Request a copy |
Abstract
Artificial Intelligence telah banyak digunakan dan di implementasikan pada kehidupan sehari-hari. Salah satu arsitektur yang banyak digunakan untuk Artificial Inteligence adalah CNN (Convolutional neural network), semakin rumit kasus yang di kerjakan oleh CNN maka semakin banyak juga parameter yang dimiliki CNN tersebut. Dengan besarnya ukuran CNN maka di perlukan metode untuk mengurangi ukuran CNN tersebut tanpa mengurangi akurasinya secara signifikan sehingga akan menghemat resource saat di implementasikan pada sistem tertentu. Pruning adalah penerapan kriteria biner untuk menentukan bobot yang harus di pangkas, bobot yang cocok untuk kriteria pemangkasan di beri nilai nol. Sedangkan quantization adalah teknik untuk mengurangi jumlah bits yang merepresentasikan sebuah angka. Metode kompresi ini dibuat menggunakan bahasa pemrograman python dan menggunakan data gambar sebagai input untuk training dan testing model CNN yang akan di kompres. Dari hasil implementasi yang dilakukan dalam penelitian ini didapatkan kesimpulan bahwa metode pruning dan quantization dapat mengurangi ukuran model CNN secara signifikan dengan pengurangan akurasi relative kecil untuk uji coba pada dataset kecil yaitu 1000 gambar anjing dan 1000 gambar kucing untuk training dan 400 gambar anjing serta 400 gambar kucing untuk data validasi. Kata kunci : Convolutional Neural Network, Pruning, Python, Quantization.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | Pembimbing: Sri Redjeki, S.Si., M.Kom. |
| Uncontrolled Keywords: | Convolutional Neural Network, Pruning, Python, Quantization. |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > Bahasa Pemrograman A Karya Umum (General) > Ilmu Komputer (Computer Science) > Jaringan (Networks) A Karya Umum (General) > Ilmu Komputer (Computer Science) > Kecerdasan Buatan (Artificial Intelegence) |
| Divisions: | Jenjang Strata Satu > Teknik Informatika (Informatic Engineering) |
| Depositing User: | Denis Wahyudi, A.Md. |
| Date Deposited: | 03 Sep 2021 07:13 |
| Last Modified: | 03 Sep 2021 07:13 |
| URI: | http://eprints.akakom.ac.id/id/eprint/9319 |
Actions (login required)
 |
View Item |
