// <![CDATA[OPTIMIZER TUNING PADA ARSITEKTUR EFFICIENTNET-B7 UNTUK KLASIFIKASI JENIS MOTIF KAIN]]> 0430078701 - Irma Amelia Dewi S.Kom., M.T Dosen Pembimbing 1 RIZALDI FADILAH / 152017131 Penulis
Motif kain memiliki peran krusial dalam industri tekstil dan fashion, menciptakan identitas visual yang unik serta mempengaruhi estetika dan desain produk. Penelitian sebelumnya menunjukkan bahwa menggunakan model RetinaNet dengan ResNet-152 menghasilkan akurasi yang memuaskan dalam klasifikasi motif kain, meskipun memiliki tantangan tersendiri. Penelitian ini mengusulkan pendekatan baru untuk mengklasifikasikan sebelas motif kain yang berbeda (termasuk Argyle, Batik, Kamuflase, dan lainnya) menggunakan arsitektur canggih EfficientNet-B7. Dengan melakukan perbandingan antara enam pengoptimal yang berbeda, dengan variasi kecepatan pembelajaran yang berbeda (1E-3, 1E-4, dan 1E-5), untuk meningkatkan kinerja model. Hasil eksperimen menunjukkan bahwa model yang dioptimalkan dengan pengoptimal Adam dan kecepatan pembelajaran 1E-4 mencapai akurasi pelatihan tertinggi hingga 90,74%. Evaluasi lebih lanjut menghasilkan presisi, recall, dan F1-Score masingmasing mencapai 90,81%, 90,90%, dan 90,81%, dengan akurasi keseluruhan mencapai 91%. Meskipun pencapaian ini belum mencapai hasil sebelumnya, penelitian ini menekankan pengurangan signifikan dalam waktu komputasi, dengan pelatihan yang efisien dalam waktu hanya satu jam per sesi, dibandingkan dengan sepuluh jam pada penelitian sebelumnya. Kami menggunakan batch size 32 untuk optimalisasi sumber daya komputasi dan stabilitas estimasi gradien, menjaga konsistensi dan meningkatkan generalisasi model. Keefisienan ini memungkinkan eksplorasi lebih lanjut dan iterasi untuk peningkatan yang berkelanjutan. Kata kunci : Jenis motif kain, Jaringan saraf konvolusional, Optimizer, EfficientNet