Description

          Pada percobaan kali ini kita akan melakukan klasifikasi gambar. Dataset yang digunakan ialah 15 Scene Image Dataset yang didapat dari Figshare. Dataset ini terdiri atas 15 kelas yang mana setiap kelas terdiri atas berbagai gambar dari beberapa tempat seperti kamar, ruang keluarga, dapur, bahkan jalanan dan geudng-gedung. Pada percobaan kali ini kita akan menggunakan algoritma CNN 2D untuk mengklasifikasi gambar yang ada.

          Langkah pertama ialah mengunduh terlebih dahulu dataset yang diperlukan kemudian upload pada drive kita. Setelah itu buka Google Collaborator sebagai notebook pengerjaannya. Hubungkan Google Collaborator dengan drive kita kemudian unzip dataset­-nya.

            Berhubung dataset yang ada belum terbagi menjadi train set dan validation set maka kita bagi terlebih dahulu dengan menggunakan library splitfolder. Kemudian kita buat variabel train set dan validation set yang berisi path hasil splitfolder sebelumnya.

            Setelah itu, lakukan image processing dengan melakukan rescaling, dan rotation sebesar 20°. Siapkan data latih yang akan dipelajari oleh model. Pada model ini ukuran gambar yang dibutuhkan sebesar 150x150 piksel.

            Buat model CNN 2D dengan jumlah convolution layer sebanyak 5 layer, MaxPooling layer sebanyak 5 layer, 1 Flatten layer, dan 2 buah Dense layer. Lihat summary dari model yang telah dibuat.

            Buat fungsi callback yang berfungsi untuk menghentikan proses training jika sudah mencapai batas yang telah ditentukan sebelumnya. Kemudian compile model yang telah dibuat. Pada percobaan kali ini dilakukan proses training dengan epoch sebanyak 100.

            Visualisasikan akurasi dan loss dari model yang telah di-training sebelumnya.