Sayuti Rahman Primary Author mixed material bibliography Banda Aceh Fakultas Pasca Sarjana (S3) 2022 id Indonesia

Dissertation

Informasi ketersedian ruang parkir sangat dibutuhkan oleh pengemudi untuk memarkirkan kendaraannya dengan cepat. CNN merupakan salah satu metode terbaik yang dapat digunakan untuk mengatasi masalah tersebut. CNN dapat mengklasifikasi ruang parkir dan menghasilkan informasi berupa ketersediaan ruang parkir hanya menggunakan citra yang diambil menggunakan kamera. mAlexnet merupakan arsitektur CNN pertama yang digunakan untuk mengklasifikasi ruang parkir, namun masih perlu peningkatan akurasi dan kecepatan proses klasifikasi. Eksploitasi Existing CNN seperti fine tuning dan pruning sering diterapkan oleh para praktisi untuk memperoleh arsitektur yang lebih optimal pada kasus yang lebih spesifik. Fine tuning terhadap mAlexnet dan Pruning terharap ShuffleNet berhasil meningkatkan akurasi dalam klasifikasi ruang parkir, namun hasil yang diperoleh belum optimal. Oleh karena itu, perlu merancang sebuah arsitektur yang lebih effisien. Dari beberapa percobaan dengan mempertimbangkan konsep Arsitektur CNN yang baik dan beberapa penelitian sebelumnya, ditemukan Arsitektur yang diberi nama dengan EfficientParkingNet. EfficientParkingNet adalah “arsitektur yang kecil” dengan empat lapisan konvolusi dan LeakyReLU sebagai fungsi aktivasi. Tingkat akurasi EfficientParkingNet sebesar 98,44% untuk seluruh data CNRPark+EXT. Tingkat akurasi EfficientParkingNet lebih tinggi dibandingkan metode lainnya. Penelitian berlanjut dengan motivasi untuk menghasilkan arsitektur CNN yang optimal terus dilakukan, sehingga ditemukan arsitektur yang lebih baik yang diberi nama EfficientCarNet. Berdasarkan pengujian, akurasi EfficientCarNet2x mengungguli akurasi arsitektur mAlexnet, EfficientParkingNet, dan Carnet. Akurasi EfficientCarNet2x sebesar 99,37% pada dataset CNRPark+EXT dan rata-rata 97,27% untuk dataset PKLot, bahkan mencapai 99,93% pada subdataset yang sama pada dataset PKLot. Selain itu, EfficientCarNet juga memiliki jumlah parameter, ukuran file dan FLOPs (Floating Point Operations) lebih sedikit dibandingkan dengan arsitektur lainnya. NEURAL NETWORKS (COMPUTER SCIENCE) 006.32 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 106134 2022-10-26 16:28:39 2023-03-24 10:57:03 machine generated