BAB II

LANDASAN TEORI

2.1 Pengertian Metode

Metode adalah cara kerja yang bersistem untuk memudahkan pelaksanaan suatu
kegiatan guna mencapai tujuan yang ditentukan. (https://kbbi.web.id/metode,
diakses pada 19 April 2021, Pukul 10:20) Metode dapat diartikan menjadi suatu
proses atau cara sistematis yang dapat digunakan untuk mencapai tujuan tertentu
dengan efisiensi, biasanya dalam urutan langkah-langkah tetap yang teratur.

2.2 Deep Learning

Menurut (Nurfita & Ariyanto, 2018) Deep Learning merupakan bagian dari
Machine Learning yang terdiri dari banyak lapisan (hidden layer) dan membentuk
tumpukan, lapisan tersebut adalah sebuah algoritma atau metode yang melakukan
klaisifikasi perintah yang diinput hingga menghasilkan output. Metode Deep
Leaarning yang sedang berkembang salah satunya adalah Convolutional Neural
Network. Jaringan ini menggunakan masukan berupa gambar, kemudian akan
melalui lapisan konvolusi dan diolah berdasarkan filter yang ditentukan, setiap
lapisan ini menghasilkan pola dari beberapa bagian citra yang memudahkan proses
klasifikasi

Menurut (Lorentius et al., 2020) Deep Learning adalah salah satu jenis algoritma
jaringan saraf tiruan yang menggunakan metadata sebagai input dan mengolahnya
menggunakan sejumlah lapisan tersembunyi (hidden layer) transformasi non linier
dari data masukan untuk menghitung nilai output. Algortima pada Deep Learning
memiliki fitur yang unik yaitu sebuah fitur yang mampu mengekstraksi secara
otomatis. Hal ini berarti algoritma yang dimilikinya secara otomatis dapat
menangkap fitur yang relevan sebagai keperluan dalam pemecahan suatu masalah.
Algortima semacam ini sangat penting dalam sebuah kecerdasan buatan karena
mampu mengurangi beban pemrograman dalam memilih fitur yang eksplisit. Dan,
algortima ini dapat digunakan untuk memecahkan permasalahan yang perlu

1
pengawasan (supervised), tanpa pengawasan (unsupervised), dan semi terawasi
(semi supervised).

2.3 Convolutional Neural Network

Menurut (Zufar & Setiyono, 2016) CNN adalah variasi dari Multilayer Perceptron
yang terinspirasi dari jaringan syaraf manusia. Penelitian awal yang mendasari
penemuan ini pertama kali dilakukan oleh Hubel dan Wiesel yang melakukan
penelitian visual cortex pada indera penglihatan kucing. Visual cortex pada hewan
sangat powerful dalam system pemrosesan visual yang pernah ada. Hingga banyak
penelitian yang terinspirasi dari cara kerjanya dan menghasilkan model-model baru
diantaranya seperti Neocognitron, HMAX, dan LeNet-5. CNN merupakan
arsitektur yang dapat dilatih dan terdiri dari dua tahap yaitu masukkan (input) dan
keluaran (output) dimana dari setiap tahap terdiri dari tiga layer yaitu konvolusi,
fungsi aktivasi layer dan pooling layer. Berikut adalah arsitektur CNN seperti yang
ditunjukan pada gambar 2.1 berikut :

Gambar 2.1 Arsitektur Convolutional Neural Network

2.4 TensorFlow
Menurut (Nurfita & Ariyanto, 2018) Perkembangan bidang Deep Learning saat ini
telah dipermudah oleh banyaknya library dan Application Program Interface (API).
Library yang digunakan adalah Tensorflow yang merupakan antarmuka untuk
mengekspresikan algoritma pembelajaran mesin dan untuk mengeksekusi perintah
dengan menggunakan informasi yang dimiliki tentang objek tersebut atau target
yang dikenali serta dapat membedakan objek satu dengan objek lainnya.

2
Tensorflow memiliki fitur untuk menjalankan pelatihan model menggunakan
Central Processing Unit (CPU) dan pelatihan model Graphic Processing Unit
(GPU). Namun dalam implementasi ini akan menjalankan pelatihan model dengan
fitur CPU.

Menurut (Lorentius et al., 2020) Tensorflow adalah suatu open-source software

library untuk dataflow programming. Tensorflow merupakan suatu library
matematika simbolik yang juga digunakan untuk aplikasi Machine Learning
seperti Neural Network. Tensorflow dikembangkan oleh Google Brain Team dan
juga digunakan research oleh Google sendiri. Tensorflow dirilis pertama kali pada
11 February 2017. Keunggulan tensorflow adalah dapat dijalankan di beberapa
CPU dan GPU ( Graphic Processing Unit). Tensorflow dapat digunakan pada 64-
bit Linux, macOS, Windows, dan Mobile Computing Platforms termasuk Android
dan iOS. 2.6.

2.5 Keras
Menurut (Santoso & Ariyanto, 2018) Keras merupakan library jaringan syaraf
tiruan tingkat tinggi yang ditulis dengan bahasa python dan mampu berjalan di atas
TensorFlow, CNTK, atau Theano. Library ini menyediakan fitur yang digunakan
dengan fokus mempermudah pengembangan lebih dalam tentang Deep Learning.

Keras diciptakan oleh Franchois Chollet. (Ilmiah et al., 2018) sebagai library untuk
deep learning yang ditulis dengan Bahasa python. Saat ini, Keras merupakan salah
satu library machine learning terbaik di python. Keras menyediakan beberapa
utilitas terbaik dalam hal menyusun model, memproses dataset, memvisualisasikan
grafik dan hal lainnya.

2.6 Hasil Penelitian yang Relevan

Berikut adalah beberapa hasil penelitian yang menjadi reverensi dan memberikan
banyak masukan kepada penulis yang berkaitan dengan deep learning
Menggunakan Algoritma Convolutional Neural Network.

3
 Tabel 2.1 Hasil Penelitian yang Relevan
No Peneliti Judul Metode Keterangan

1 (Zufar & Convolutional Neural CNN Sistem pengenalan wajah secara

Setiyono, Networks Untuk realtime menggunakan salah satu
2016) Pengenalan Wajah metode deep neural network yaitu
Secara Real-Time Convolutional Neural Networks
dengan bantuan library OpenCV.

2 (Hasma & Implementasi Deep CNN - Sistem deteksi jerawat dengan

Silfianti, Learning Menggunakan TensorFlow metode deep learning dengan
2018) Framework Tensorflow menggunakan bahasa
Dengan Metode Faster pemrograman Python, yang
Regional Convolutional dibantu dengan menggunakan
Neural Network Untuk framework TensorFlow dengan
Pendeteksian Jerawat model Faster R-CNN.

3 (Santoso & Implementasi Deep CNN - Implementasi deep learning untuk

Ariyanto, Learning Berbasis Keras pengenalan wajah menggunakan
2018) Keras Untuk metode Convolutional Neural
Pengenalan Wajah Networks berbasis Keras

4 (Nurfita & Implementasi Deep CNN – Implementasi deep learning untuk

Ariyanto, Learning Berbasis TensorFlow pengenalan sidik jari
2018) Tensorflow Untuk menggunakan metode
Pengenalan Sidik Jari Convolutional Neural Networks
berbasis TensorFlow

5 (Studi et Identifikasi Buah- CNN – Program untuk melakukan

al., 2019) buahan Menggunakan TensorFlow identifikasi buah-buahan dari
Metode Convolutional gambar dengan bantuan
Neural Network Tensorflow dalam membuat
sebuah model artificial neural
network memakai metode
Convolutional Neural Networks.

6 (Rahim et Convolutional Neural CNN Membangun sebuah model

al., 2020) Network untuk dengan dengan memanfaatkan
Kalasifikasi algoritma Convolutional Neural
Penggunaan Masker Network (CNN) dan 1000 dataset
untuk melakukan pelatihan
terhadap sistem deep learning
serta melakukan pengujian untuk
mendapatkan nilai akurasi dari

4
 hasil klasifikasikan terhadap
gambar wajah yang
menggunakan masker dan tanpa
menggunakan masker.

7 (Lorentius Pengenalan Aksara CNN Aplikasi pengenalan Aksara Jawa

et al., Jawa dengan dengan metode Convolutional
2020) Menggunakan Metode Neural Network menggunakan
Convolutional Neural Bahasa pemrograman python.
Network

8 (Wiranda Survei Penggunaan CNN - Machin Learning dalam

et al., Tensorflow pada TensorFlow Identifikasi Ikan Kawasan Lahan
2020) Machine Learning Basah menggunakan metode
untuk Identifikasi Ikan Convolutional Neural Network
Kawasan Lahan Basah dengan library TensorFlow.

9 (Kurniadi, Implementasi CNN - Klasifikasi Varietas Pada Citra

2020) Convolutional Neural Keras Daun Sawi menggunakan metode
Network Untuk deep learning yaitu Convolutional
Klasifikasi Varietas Neural Network dengan library
Pada Citra Daun Sawi Keras.
Menggunakan Keras

10 (Manajang Implementasi CNN - Implementasi pengklasifikasian

et al., Framework Tensorflow TensorFlow jenis kendaraan bermotor dengan
2020) Object Detection metode Convolutional Neural
Dalam Mengklasifikasi Network menggunakan
Jenis Kendaraan framework TensorFlow.
Bermotor

11 (Septiana Face Mask Detection CNN Sistem deteksi masker dengan

et al., Covid-19 Using menggunakan pengolahan citra
2020) Convolutional Neural menggunakan metode
Network ( Cnn ) Convolutional Neural Networks
memanfaatkan ekstraksi fitur dari
citra yang nanti akan dipelajari
oleh beberapa hidden layer.