OPTIMASI HYPERPARAMETER DENGAN RANDOMSEARCHCV UNTUK MENINGKATKAN AKURASI KLASIFIKASI PNEUMONIA

Abstract

Convolutional Neural Network (CNN) merupakan salah satu metode deep learning yang telah banyak di aplikasipkan untuk klasifikasi data citra. Dalam konteks penggunaan CNN untuk klasifikasi penyakit pneumonia, pengaturan hyperparameter seperti jumlah lapisan layer, jumlah filter, dan ukuran filter sangat mempengaruhi performa model. Menentukan kombinasi yang tepat antara model dan hyperparameter seringkali menjadi tantangan. Memilih parameter yang optimal untuk model CNN secara manual dapat menjadi tugas yang sangat rumit dan memakan waktu. Oleh karena itu, penting untuk melakukan tuning hyperparameter secara efisien untuk mencari kombinasi parameter yang paling cocok sehingga dapat menghasilkan model CNN yang akurat. Proses tuning hyperparameter pada metode CNN dalam penelitian ini menggunakan RandomSearcCV. Hasil pengujian model CNN kustom setelah diuji menggunakan data testing memperoleh score accuracy 81%. Sedangkan pada model CNN dengan tuning hyperparameter mencapai score accuracy 90%. Hal ini membuktikan bahwa penerapan tuning hyperparameter pada model CNN dengan menggunakan RandomSearchCV dapat meningkatkan akurasi dari model CNN dalam proses klasifikasi penyakit pneumonia.