Abstract:Abstract: The advancement of network security faces growing challenges as cyberattacks become more sophisticated. Traditional rule-based systems struggle with zero-day attacks and obfuscation techniques. This study examines…
nes the development trends of AI-based algo-rithms, particularly machine learning and deep learning, in threat detection. A literature review evaluates AI-driven approaches, including support vector machines, random for-est, deep neural networks, convolutional neural networks, and reinforcement learning. Findings show that AI enhances detection accuracy, adaptability, and reduces false posi-tives. Machine learning efficiently classifies known attacks, while deep learning excels in identifying complex patterns such as distributed denial-of-service and advanced persis-tent threats. Unsupervised learning improves anomaly detection without labeled data. However, AI models require high-quality data, substantial computational resources, and remain vulnerable to adversarial attacks. Despite these challenges, AI provides a dynam-ic and adaptive security solution, surpassing traditional systems. Future research should enhance AI scalability and resilience for evolving cybersecurity threats.
Keywords: anomaly detection; artificial intelligence; deep learning; machine learning; network security
Abstrak: Perkembangan keamanan jaringan menghadapi tantangan yang semakin besar seiring meningkatnya kompleksitas serangan siber. Sistem berbasis aturan tradisional kesulitan mendeteksi zero-day attack dan teknik penyamaran. Penelitian ini mengkaji tren pengembangan algoritma berbasis AI, khususnya machine learning dan deep learning, dalam deteksi ancaman. Literature review mengevaluasi pendekatan berbasis AI, termasuk support vector machines, random forest, deep neural networks, convolutional neural networks, dan reinforcement learning. Hasil penelitian menunjukkan bahwa AI meningkatkan akurasi deteksi, adaptabilitas terhadap ancaman baru, serta mengurangi false positive. Machine learning efektif mengklasifikasikan serangan yang telah diketahui, sementara deep learning unggul dalam mengenali pola kompleks seperti distributed denial-of-service dan advanced persistent threats. Unsupervised learning meningkatkan deteksi anomali tanpa memerlukan data berlabel. Namun, AI masih bergantung pada data berkualitas tinggi, sumber daya komputasi besar, dan rentan terhadap adversarial attack. Meskipun demikian, AI menawarkan solusi keamanan yang lebih dinamis dan adaptif dibandingkan sistem tradisional. Penelitian selanjutnya perlu difokuskan pada peningkatan skalabilitas dan ketahanan AI dalam menghadapi ancaman siber yang terus berkembang.
Kata kunci: deteksi anomali; jaringan keamanan; kecerdasan buatan; pembelajaran dalam; pembelajaran mesin
Abstract:Abstract: This system for predicting volcanic eruptions will produce information that can help BMKG in making decisions to provide warnings to residents around the mountain. This will also help in mitigating volcanic eruptions,…
ptions, evacuating residents in volcanic eruptions. By using artificial neural networks with the backpropagation method, it can be used to predict volcanic eruptions. To conduct this test, criteria and factors that influence this volcanic eruption are needed. This method is tested using Matlab 6.1 software. In this test, various patterns will be carried out to compare the results of the network. From the various patterns tested, it can be seen that the number of epochs used affects the test results and will achieve the desired goal. The more epochs used, the faster the goal will be achieved. Where in the 4-2-1 pattern the goal was found in the 7th epoch with an error value of 0.0987135. This 4-2-1 pattern states that this network is tested with 4 input layers, 2 hidden layers and 1 output layer. The α value (α = learning rate) used is the Default value of 0.1. With this backpropagation method, you get more accurate results by getting smaller error values.
Keywords: backpropagation, matlab 6.1, layer, epoch, goal
Abstrak: Sistem untuk memprediksi gunung meletus ini akan menghasilkan informasi yang bisa membantu BMKG dalam mengambil keputusan untuk memberikan peringatan kepada warga sekitar gunung. Hal ini juga akan membantu dalam mitigasi bencana gunung meletus , evakuasi warga sekitar dalam bencana gunung meletus. Dengan menggunakan jaringan saraf tiruan dengan metode backpropagation bisa digunakan untuk memprediksi gunung meletus. Untuk melakukan pengujian ini dibutuhkan kriteria dan faktor yang mempengaruhi gunung meletus ini. Metode ini diuji dengan menggunakan software Matlab 6.1. Pada pengujian ini akan dilakukan dengan berbagai pola untuk membandingkan hasil dari jaringan tersebut. Dari berbagai pola yang diuji dapat dilihat bahwa jumlah epoch yang dipakai mempengaruhi hasil pengujian dan akan mencapai goal yang diinginkan. Semakin banyak epoch yang dipakai maka akan semakin cepat goal tersebut dicapai. Dimana pada pola 4-2-1 goal ditemukan pada epoch ke 7 dengan nilai eror 0,0987135. Pola 4-2-1 ini menyatakan bahwa jaringan ini diuji dengan 4 jumlah input layer, 2 hidden layer dan 1 output layer. Nilai α (α = learning rate) yang digunakan adalah nilai Default yaitu 0.1. Dengan metode backpropagation ini mendapatkan hasil yang lebih akurat dengan mendapatkan nilai eror yang lebih kecil .
Kata kunci: backpropagation ; epoch ; goal ; layer ; matlab 6.1
Abstract:Abstract: This research aims to build a recommendation system that can help parents determine the best Pendidikan Anak Usia Dini (PAUD) using the ELECTRE (Elimination and Choice Translating Reality) method. The electre method…
ethod was chosen because of its ability to handle Multi-Criteria Decision Making (MCDM) problems, which allows evaluating alternatives based on various relevant criteria. This system is designed to identify and assess PAUD based on a number of important criteria, such as facilities, location, teacher-student ratio, curriculum, accreditation and reputation. Each criterion is given a weight according to its level of importance, which is determined based on parental preferences and applicable educational standards. Data is collected from various sources and processed using artificial intelligence techniques to ensure accuracy and relevance. The electre method is then used to evaluate and compare between PAUD. The research results show that the recommendation system developed is able to provide accurate and relevant PAUD recommendations, as well as increasing user satisfaction in the PAUD selection process. This research makes a significant contribution to the field of decision support systems and education, by showing the practical application of the electre method in determining the best PAUD. It is hoped that the results of this research can inspire the development of similar recommendation systems in other educational fields, as well as help in improving the quality of early childhood education through the use of advanced technology.
Keywords: artificial intelligence; electre method; multi-criteria decision making (mcdm); paud.
Abstrak: Penelitian ini bertujuan untuk membangun sistem rekomendasi yang dapat membantu orang tua dalam menentukan Pendidikan Anak Usia Dini (PAUD) terbaik dengan menggunakan metode ELECTRE (Elimination and Choice Translating Reality). Metode electre dipilih karena kemampuannya dalam menangani masalah Multi-Criteria Decision Making (MCDM), yang memungkinkan evaluasi alternatif berdasarkan berbagai kriteria yang relevan. Sistem ini dirancang untuk mengidentifikasi dan menilai PAUD berdasarkan sejumlah kriteria penting, seperti fasilitas, lokasi, rasio guru-murid, kurikulum, akreditasi dan reputasi. Setiap kriteria diberikan bobot sesuai dengan tingkat kepentingannya yang ditentukan berdasarkan preferensi orang tua dan standar pendidikan yang berlaku. Data dikumpulkan dari berbagai sumber dan diproses menggunakan teknik kecerdasan buatan untuk memastikan akurasi dan relevansi. Metode electre kemudian digunakan untuk melakukan evaluasi dan perbandingan antar PAUD. Hasil penelitian menunjukkan bahwa sistem rekomendasi yang dikembangkan mampu memberikan rekomendasi PAUD yang akurat dan relevan, serta meningkatkan kepuasan pengguna dalam proses pemilihan PAUD. Penelitian ini memberikan kontribusi signifikan pada bidang sistem pendukung keputusan dan pendidikan, dengan menunjukkan aplikasi praktis dari metode electre dalam penentuan PAUD terbaik. Diharapkan, hasil penelitian ini dapat menginspirasi pengembangan sistem rekomendasi serupa di bidang pendidikan lainnya, serta membantu dalam meningkatkan kualitas pendidikan anak usia dini melalui pemanfaatan teknologi canggih.
Kata kunci: kecerdasan buatan; metode electre; multi-criteria decision making (mcdm); paud.
Abstract:Abstract: Artificial Intelligence (AI) is currently gaining popularity across various industries, including healthcare, finance, and others. In this study, AI technology is employed to devise an optimal marketing strategy…
y for Code Verse Computer Accessories Store using the K-Means algorithm. As part of machine learning, the K-Means algorithm, categorized under unsupervised learning, is implemented to cluster sales data for computer accessory products over the last three months of 2023. The results of the K-Means analysis identify two main clusters. Cluster one (Cluster 1) comprises products such as Mouse, Keyboard, Monitor, Headset, and Speaker, indicating consistent purchasing patterns and high consumer interest. Recommendations are made to increase stock for Cluster 1. Meanwhile, Cluster two (Cluster 2) consists of Mic products with lower interest, and it is not advisable to increase stock. The implementation of K-Means provides insights into purchasing patterns, enabling Code Verse to develop more effective marketing and inventory management strategies.
Keywords: K-Means algorithm; artificial intelligence; clustering
Abstract: Kecerdasan Buatan (AI) kini meraih popularitas dalam berbagai industri, termasuk sektor kesehatan, keuangan, dan lainnya. Pada penelitian ini, teknologi AI digunakan untuk merancang strategi pemasaran optimal bagi Toko Aksesoris Komputer CodeVerse dengan menggunakan Algoritma K-Means. Sebagai bagian dari machine learning, Algoritma K-Means, yang termasuk dalam kategori unsupervised learning, diimplementasikan untuk mengelompokkan data penjualan produk selama tiga bulan terakhir tahun 2023. Hasil dari analisis K-Means mengidentifikasi dua cluster utama. Cluster pertama (Cluster 1) terdiri dari produk Mouse, Keyboard, Monitor, Headset, dan Speaker, menunjukkan pola pembelian yang konsisten dan tingginya minat konsumen. Rekomendasi untuk menambah stok diberikan. Sementara itu, Cluster kedua (Cluster 2) terdiri dari produk Mic dengan minat lebih rendah, dan tidak disarankan untuk menambah stok. Implementasi K-Means memberikan wawasan tentang pola pembelian, memungkinkan CodeVerse mengembangkan strategi pemasaran dan manajemen persediaan yang lebih efektif.
Keywords: Algoritma k-means; kecerdasan buatan; clustering
Abstract:Abstract: The habit of smoking is dangerous because of the addictive substances that make cigarettes addictive. Its addictive nature poses a significant risk, affecting personality with stress, depression and nervous disorders.…
orders. Body factors that indicate smoking include blood sugar levels, dental caries, and hemoglobin. To address this, research has been conducted with focused efforts to understand and address the risks associated with smoking and its impact on overall health. This research aims to choose the best method for predicting smokers by using feature selection techniques. The feature selection algorithms uses for that are Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), and Genetic Algorithm (GA) to select optimal attributes and uses the k-fold cross validation technique as the validation of the Artificial Neural Network algorithm. The data includes various parameters such as age, height, weight, vision, blood pressure, cholesterol, triglycerides, hemoglobin, AST, ALT, GTP, gender, dental caries and tartar. Hearing ability, urine protein content, and tartar were selected. The results showed that using the Analysis of Variance method showed higher accuracy (77.101%) compared to the Genetic Algorithm method (74.64%) and the Recursive Feature Elimination method (76.08%). Selection of relevant attributes increases the predictions and insights of the Artificial Neural Network model about the effects of smoking on health.
Keywords: artificial neural network; analysis of variance; genetic algorithm; recursive feature elimination; smoker prediction
Abstrak: Kebiasaan merokok berbahaya karena adanya zat adiktif yang membuat rokok menjadi ketagihan. Sifatnya yang membuat ketagihan menimbulkan risiko yang signifikan, mempengaruhi kepribadian dengan stres, depresi, dan gangguan saraf. Faktor tubuh yang mengindikasikan kebiasaan merokok antara lain kadar gula darah, karies gigi, dan hemoglobin. Untuk mengatasi hal ini, penelitian telah dilakukan dengan upaya terfokus untuk memahami dan mengatasi risiko yang terkait dengan merokok dan dampaknya terhadap kesehatan secara keseluruhan. Penelitian ini bertujuan untuk memilih metode terbaik dalam memprediksi perokok dengan menggunakan teknik seleksi fitur. Metode seleksi fitur yang digunakan adalah Analysis of Variance (ANOVA), Recursive Feature Elimination (RFE), dan Genetic Algorithm (GA) untuk memilih atribut yang optimal dan menggunakan teknik k-fold cross validation sebagai validasi algoritma Artificial Neural Network. Data tersebut mencakup berbagai parameter seperti umur, tinggi badan, berat badan, penglihatan, tekanan darah, kolesterol, trigliserida, hemoglobin, AST, ALT, GTP, jenis kelamin, karies gigi dan karang gigi. Kemampuan pendengaran, kandungan protein urin, dan karang gigi dipilih. Hasil penelitian menunjukkan bahwa penggunaan metode Analysis of Variance menunjukkan akurasi yang lebih tinggi (77,101%) dibandingkan dengan metode Genetic Algorithm (74,64%) dan metode Recursive Feature Elimination (76,08%). Pemilihan atribut yang relevan meningkatkan prediksi dan wawasan model Jaringan Syaraf Tiruan tentang dampak merokok terhadap kesehatan.
Kata kunci: artificial neural network; analysis of variance; genetic algorithm; prediksi perokok; recursive feature elimination
Abstract:Abstract: Increasing living standards cause an increase in the need for drinking water. However, current water supply estimates are still not optimal, with water production sometimes being more or less than requirements.…
To estimate the amount of water, an appropriate method is needed. The method used in this research is the back propagation algorithm artificial neural network method. When developing forecasts, past data is necessary to produce accurate results. This research aims to develop a predictive model that can estimate the volume of water that will be used by PDAM Tirtauli in the future. It is hoped that this predictive model can help PDAMs in planning more efficient water supply management and can reduce the potential for water supply shortages in the future. This research uses water distribution data for the 2015-2022 period. Training data starts in 2015-2021, testing data starts in 2016-2022. In this research, results were obtained using the Matlab R2011a application. In this research, the 5 architectures used are architecture 6-53-1, 6-58-1, 6-61-1, 6-81-1, 6-87-1. Based on these five architectures, the best architecture was obtained, namely architecture 6-87-1 with a root mean square error test value of 0.00010031 and an accuracy of 92%. The results achieved in 2023 are the total water volume of PDAM Tirtauli Pematangsiantar of 189,610,426.
Keywords: backpropagation; distribution; PDAM; prediction; water
Abstrak: Meningkatnya taraf hidup menyebabkan meningkatnya kebutuhan akan air minum. Namun, perkiraan pasokan air saat ini masih belum optimal, dengan produksi air kadang-kadang lebih atau kurang dari kebutuhan. Untuk memperkirakan jumlah air diperlukan suatu metode yang sesuai. Metode yang digunakan dalam penelitian ini adalah metode jaringan syaraf tiruan algoritma back propagation. Saat mengembangkan perkiraan, data masa lalu diperlukan untuk menghasilkan hasil yang akurat. Penelitian ini bertujuan untuk mengembangkan model prediktif yang dapat memperkirakan volume air yang akan digunakan oleh PDAM Tirtauli di masa mendatang. Model prediktif ini diharapkan dapat membantu PDAM dalam perencanaan pengelolaan pasokan air yang lebih efisien dan dapat mengurangi potensi kekurangan pasokan air pada masa yang akan datang. Penelitian ini menggunakan data sebaran air periode 2015-2022. Data pelatihan dimulai pada tahun 2015-2021, data pengujian dimulai pada tahun 2016-2022. Pada penelitian ini diperoleh hasil dengan menggunakan aplikasi Matlab R2011a. Pada penelitian ini 5 arsitektur yang digunakan adalah arsitektur 6-53-1, 6-58-1, 6-61-1, 6-81-1, 6-87-1. Berdasarkan kelima arsitektur tersebut diperoleh arsitektur terbaik yaitu arsitektur 6-87-1 dengan nilai uji root mean square error sebesar 0,00010031 dan mendapatkan akurasi sebesar 92%. Hasil yang dicapai pada tahun 2023 adalah total volume air PDAM Tirtauli Pematangsiantar sebesar 189.610.426.
Kata Kunci: air; backpropagation; distribusi; PDAM; prediksi
Abstract:Abstract: Traffic accidents are one of the biggest contributors to injuries and fatalities worldwide. Victims of traffic accidents range from minor injuries to severe injuries and even death. The severity of many accidents…
ts is often due to a lack of discipline and public awareness of traffic rules and safety measures. Car manufacturers have attempted to mitigate the effects of accidents by providing seat belts. However, many people neglect to use them, thinking that nothing will happen while driving. Even with fines imposed by authorities, people can outsmart them by removing their seat belts when officers are not around. To address this issue, a model has been developed to monitor drivers using artificial intelligence and computer vision. The camera captures images, which are then processed by a neural network trained with the YOLOv5 algorithm. The model has an average precision of 89% and a recall of 81%, and can accurately detect whether drivers are wearing seat belts or not. This model is expected to aid in improving driver and passenger safety on the roads. By paying attention to the use of seat belts, the severity of injuries sustained in accidents can be reduced.
Keywords: computer vision; neural network; seatbelt detection; yolo
Abstrak: Kecelakaan lalu lintas merupakan salah satu penyumbang terbesar cedera dan kematian di seluruh dunia. Korban kecelakaan lalu lintas tidak hanya mengalami cedera ringan, tetapi juga cedera berat bahkan kematian. Parahnya banyak kecelakaan yang terjadi dapat disebabkan oleh kurangnya disiplin dan kesadaran masyarakat akan aturan lalu lintas serta tindakan keselamatan. Produsen mobil telah berusaha untuk mengurangi efek kecelakaan dengan menyediakan sabuk pengaman. Sayangnya, masih banyak orang yang mengabaikan penggunaannya, dengan menganggap bahwa tidak akan terjadi apa-apa saat mengemudi. Meskipun ada denda yang diberlakukan oleh pihak berwenang, orang masih dapat melepaskan sabuk pengaman ketika tidak ada petugas di sekitar. Untuk mengatasi masalah ini, sebuah model telah dikembangkan untuk memantau pengemudi menggunakan kecerdasan buatan dan visi komputer. Kamera mengambil gambar yang kemudian diproses oleh jaringan saraf yang dilatih dengan algoritma YOLOv5. Model ini memiliki presisi rata-rata sebesar 89% dan recall sebesar 81%, dan dapat dengan akurat mendeteksi apakah pengemudi menggunakan sabuk pengaman atau tidak. Model ini diharapkan dapat membantu dalam menangani masalah keselamatan pengemudi dan penumpang di jalan raya. Dengan memperhatikan penggunaan sabuk pengaman, dapat mengurangi tingkat keparahan cedera yang terjadi dalam kecelakaan.
Kata kunci: computer vision; deteksi sabuk pengaman; neural network; yolo
Abstract:Abstract: This study discusses the delivery information system for the minimarket 212 Mart. Minimarket 212 Mart is a modern retail business. The purpose of this research is to simplify and shorten the process of computerized…
ized goods distribution services to prevent data input errors, reduce disappointment due to customer service errors, expedite, and simplify service procedures between operational goods owners, and make it easier for the owner to receive a summary of shipping information. The research method used is the waterfall model. The problem with ordering goods is that customers are still using Whatsapp and those who order are still in the local area, not far from the mini market, thereby reducing sales. In addition, standard writing instruments are still used to record the delivery and receipt of goods. When delivering goods, customers buy directly from the convenience store, and it is difficult for customers to track the location of the goods ordered. Therefore, it must be built and designed with a software system that facilitates transportation registration, the processing of sales invoices, and the preparation of reports. Program design modeling applies to data flow diagrams and entity relationship diagrams. The software used is the PHP programming language and the MySQL database. The research artificial achieved are a web-based goods delivery service system that must overcome the problems that exist in goods delivery services at 212 Mart Serang-Banten Minimarket.
Keywords: Information System, Delivery Service, Waterfall, Web
Abstrak: Penelitian ini membahas sistem informasi pengiriman barang minimarket 212 Mart. Minimarket 212 Mart merupakan salah satu usaha ritel modern. Maksud dari riset ini adalah untuk mempermudah dan mempersingkat proses pelayanan pendistribusian barang secara terkomputerisasi untuk mencegah terjadinya kesalahan input data, mengurangi kekecewaan akibat kekeliruan pelayanan atas pelanggan dan melancarkan serta mempermudah prosedur servis antar operasional pemilik barang serta memudahkan owner menerima ringkasan informasi pengiriman. Metode riset yang dipakai adalah model waterfall. Kendala pemesanan barang masih menggunakan Whatsapp, pelanggan yang memesan masih berada di area lokal yang tidak jauh dari mini market, sehingga mengurangi penjualan. Selain itu, alat tulis standar masih digunakan untuk mencatat pengiriman dan penerimaan barang. Saat mengirimkan barang, pelanggan membeli langsung dari minimarket, dan sulit bagi pelanggan untuk melacak lokasi barang yang dipesan. Oleh sebab itu, harus dibangun dan merancang sistem perangkat lunak yang memudahkan pendaftaran pengangkutan, pengerjaan faktur penjualan, dan penyusunan laporan. Pemodelan desain program menerapkan Data Flow Diagram dan Entity Relationship Diagram. Perangkat lunak yang dipergunakan adalah bahasa pemrograman PHP dan database MySQL. Artifisial penelitian yang dicapai merupakan sistem layanan pengiriman barang berbasis web yang harus melampaui permasalahan yang ada pada layanan pengiriman barang di minimarket 212 Mart Serang-Banten.
Kata kunci: Sistem Informasi, Delivery Service, Waterfall, Web
Abstract:Abstract: Rokan Hulu Regency is one of the regencies in Riau Province and has 2 large rivers, namely the Rokan Kanan River and the Rokan Kiri River. When the level of rainfall is high, the river flow overflows and causes…
flooding in several sub-districts. Climate change that is happening has an impact on changes in rainfall patterns, to overcome the impacts of climate change Rokan Hulu Regency needs to take early steps before a flood disaster occurs. The method used in processing the data is the backpropagation method and data processing using the Matlab software. Data processing was carried out on rainfall data for the last 6 years, from 2015 to 2020, which was sourced from the Rokan Hulu Regency Statistics Agency. Rainfall data from 2015 to 2019 is used as input data, while 2020 is the target. The data processing stage begins with data normalization and determining network training parameters. Artificial neural network research was carried out on rainfall data with a 5-5-1 architecture. The results of testing the rainfall data show prediction results with high accuracy, where the average accuracy rate reaches 98.17% with the highest accuracy of 99.99% while the lowest accuracy is 91.53%. The prediction results show a fairly high level of accuracy so that they can be used as evaluation material.
Keywords: artificial neural network; backpropagation; prediction; rainfall
Abstrak: Kabupaten Rokan Hulu merupakan salah satu kabupaten yang berada di Provinsi Riau dan memiliki 2 aliran sungai besar yaitu sungai rokan kanan dan sungai rokan kiri. Ketika tingkat curah hujan tinggi aliran sungai meluap dan menyebabkan banjir beberapa kecamatan. Perubahan iklim yang terjadi memberikan dampak pada perubahan pola curah hujan, untuk menanggulangi dampak perubahan iklim Kabupaten Rokan Hulu perlu melakukan langkah-langkah dini sebelum terjadi bencana banjir. Metode yang digunakan dalam mengolah data yaitu metode backpropagation dan pengolahan data menggunakan software Matlab. Pengolahan data dilakukan pada data curah hujan selama 6 tahun terakhir yaitu dari tahun 2015 sampai dengan 2020 yang bersumber dari Badan Statistik Kabupaten Rokan Hulu. Data curah hujan tahun 2015 sampai dengan tahun 2019 sebagai data input sedangkan tahun 2020 sebagai target. Tahapan pengolahan data diawali dengan melakukan normalisasi data dan menentukan parameter pelatihan jaringan. Penelitian jaringan saraf tiruan dilakukan pada data curah hujan dengan arsitekur 5-5-1. Hasil pengujian terhadap data curah hujan menunjukkan hasil prediksi dengan akurasi yang tinggi, dimana tingkat akurasi rata-rata mencapai 98,17% dengan akurasi tertinggi sebesar 99,99% sedang akurasi terendah sebesar 91,53%. Hasil prediksi menunjukkan tingkat akurasi yang cukup tinggi sehingga dapat digunakan sebagai bahan evaluasi.
Kata kunci: backpropagation; curah hujan; jaringan saraf tiruan; prediksi
Abstract:Abstract: Gender classification is one of the most important tasks of video analysis. A machine learning-based approach was presented to identify male and female facial images with a data set of 2000 images taken from kaggles. …
ggles. This method plays a role in finding the weight value that gives the best output value. This study uses the most appropriate learning rate of each optimization method as a criterion for stopping training. The results showed that the Artificial Neural Network with Adam optimization produced the highest accuracy, which was 91.5% compared to the SGD and ADADELTA optimization methods. Deep Learning techniques that are applied extensively to image recognition used utilize Adam's optimizer method.
Keywords: artificial neural networks; adadelta; adam; gender; sgm;
Abstrak: Klasifikasi gender adalah salah satu tugas analisis video yang paling penting. Pendekatan berbasis machine learning disajikan untuk mengidentifikasi gambar wajah Pria dan Wanita dengan kumpulan data sebanyak 2000 gambar yang diambil dari kaggle. Metode ini berperan dalam menemukan nilai bobot yang memberikan nilai keluaran terbaik. Penelitian ini menggunakan learning rate yang paling sesuai dari masing-masing metode optimasi sebagai kriteria pemberhentian pelatihan. Hasil penelitian menunjukkan Jaringan Saraf Tiruan dengan optimasi Adam menghasilkan akurasi tertinggi yaitu 91,5 % dibandingkan dengan dengan metode optimasi SGD dan ADADELTA. Teknik Deep Learning yang diterapkan secara ekstensif pada pengenalan gambar yang digunakan memanfaatkan metode optimizer Adam.
Kata kunci: Adadelta; Adam; Jaringan Syaraf; Gender; Tiruan; SGM;