Perpustakaan Digital ITB

Sebagai salah satu cabang dari Aritificial Intelligence, Machine Learning aktif berkembang di berbagai bidang teknologi dan kehidupan manusia. Dengan maraknya big data yang terus berkembang, muncul masalah Machine Learning berskala besar yang harus dipecahkan. Salah satunya caranya adalah dengan menggunakan model matematika. Ada banyak sekali bentuk-bentuk model matematika yang dibangun untuk menyelesaikan kasus-kasus pada domain Machine Learning salah satunya adalah masalah klasifikasi gambar. Pada penelitian ini, akan difokuskan pada penyelesaian masalah klasifikasi gambar dengan menggunakan model perceptron atau neural network sederhana. Dalam membangun model, model yang ingin dibangun adalah model yang optimal, yakni memiliki akurasi yang baik dan efisiensi komputasi yang tinggi. Secara praktik, model dibangun dengan menggunakan metode gradien. Pokok kajian penelitian ini adalah pengaruh adanya unsur stokastik dalam metode Gradient Descent, pada akurasi model dan efisiensi komputasi. Hasil percobaan menunjukkan bahwa secara keseluruhan efisiensi komputasi dapat menjadi lebih tinggi saat menggabungkan unsur stokastik dalam metode gradient descent dengan kriteria pemberhentian tertentu. Akurasi model juga dipengaruhi oleh penambahan unsur stokastik pada metode gradient descent di mana bertambah atau berkurangnya akurasi model dipengaruhi oleh batch size yang dipilih.