Deep Learning CNN with R and Tensorflow

Source: Deep Learning on Medium


Go to the profile of Tyas Yuliana

(Study Kasus : Goodday Caffee dan Tora Bika Caffee)

Hallo teman-teman. Apa kabar? Semoga selalu baik-baik saja dan senantiasa dalam rahmat dan lindungan Tuhan. Pada kesempatan ini, saya akan membagikan sedikit tutorial tentang deep learning dengan kalian semua. Yuk di buka software R di laptop kalian. Kita akan belajar sekarang. Let’s Gooooo…. !

Convolutional Neural Network (CNN) adalah pengembangan dari Multilayer Perceptron (MLP) yang didesain untuk mengolah data dua dimensi. CNN termasuk dalam jenis Deep Neural Network karena kedalaman jaringan yang tinggi dan banyak diaplikasikan pada data citra. Pada kasus klasifikasi citra, MLP kurang sesuai untuk digunakan karena tidak menyimpan informasi spasial dari data citra dan menganggap setiap piksel adalah fitur yang independen sehingga menghasilkan hasil yang kurang baik.

Pada kesempatan kali ini, saya akan mengklasifikasikan gambar dengan Deep Learning CNN menggunakan R dan Tensorflow. Studi kasus yang digunakan adalah produk kopi instan Goodday Caffee dan Tora Bika Caffee. Tutorial beserta penjelasannya adalah sebagai berikut :

Pertama-tama, saya akan melakukan download gambar produk Good Day caffee dan Tora Bika caffee dengan berbagai varian rasa, selanjutnya meletakkannya pada folder “Percobaan”. Perhatikan gambar berikut:

Selanjutnya, praktikan akan melakukan install packages sebelum melakukan analisis lebih lanjut.

Pertama-tama, saya harus melakukan install packages seperti gambar diatas. Packages diatas berfungsi untuk mengklasifikasi gambar. Packages keras adalah high-level neural network API yang dikembangkan dengan Python dengan fokus tujuan untuk mempercepat proses riset atau percobaan. Selanjutnya adalah packages Tensorflow sebagai back-end utama dari Keras. Tensorflow adalah tools untuk melakukan komputasi numerik (lebih luas daripada hanya sekedar untuk deep learning). Selanjutnya adalah EBImage, EBImage adalah paket pengolahan dan analisis gambar untuk R. Tujuan utamanya adalah untuk memungkinkan analisis otomatis dari set besar gambar seperti yang diperoleh dalam jumlah tinggi melalui mikroskop otomatis.

Syntax diatas digunakan untuk memeriksa apakah packages telah ter-install atau belum. Dan hasil output-nya adalah sebagai berikut ini:

Dari gambar diatas, terlihat bahwa semua packages yang dibutuhkan telah ter-install dan dapat dilihat pula bagian-bagian dari packages Tensorflow.

Selanjutnya saya melakukan setting pada gambar yang telah disimpan di localdisk D dengan nama folder “Percobaan” . Gambar pada folder tersebut akan disimpan di folder “Percobaanhasil”. Pada syntax dibawah ini, gambar yang telah praktikan simpan, yang memiliki ukuran panjang dan lebar berbeda akan disamakan menjadi 100 x 100.

Selanjutnya saya akan menuliskan fungsi yang akan digunakan untuk membaca gambar yang sudah tersimpan. Perhatikan syntax berikut:

Setelah di-run, maka akan muncul tampilan seperti gambar berikut ini:

Tampilan diatas menandakan bahwa gambar yang telah praktikan simpan sudah terbaca oleh program. Gambar tersebut berjumlah sepuluh dengan rincian 5 gambar goodday caffe dan 5 tora bika caffe. Selanjutnya praktikan akan melihat apakah gambar yang awalnya berada pada folder “Percobaan” berpindah ke “Percobaanhasil”. Perhatikan gambar berikut ini:

Dapat dilihat dari tampilan diatas bahwa gambar telah berpindah ke folder “Percobaanhasil”. Sesuai dengan fungsi yang dibuat terlihat bahwa panjang dan lebarnya menjadi 100 x 100. Selanjutnya praktikan menjadikan folder yang sudah di resize menjadi folder direktori. Perhatikan syntax berikut ini:

Dari syntax tersebut, diperoleh hasil sebagai berikut:

Selanjutnya praktikan akan mencoba menampilkan gambar nomor 3 dan melihat struktur dari gambar nomor 3 tersebut. Perhatikan gambar berikut:

Perhatikan hasil output berikut ini:

Dari gambar diatas, dapat dilihat bahwa dimensi gamvar nomor 3 adalah 100 x 100. Selanjutnya saya akan melakukan pembagian data testing dan training. Kemudian saya akan menampilkan hasil training gambar nomor 5. Perhatikan gambar berikut:

Setelah itu, saya akan menampilkan data tersebut kedalam file excel csv. Perhatikan gambar syntax dan tampilan berikut:

Dari tampilan diatas, dapat dilihat bahwa data telah tersimpan dalam bentuk csv. Selanjutnya saya mengetikan syntax dibawah ini untuk menyajikan gambar secara terurut:

Tampilan dibawah ini merupakan data gambar yang telah diurutkan. Perhatikan gambar berikut:

Selanjutnya praktikan akan menampilkan klasifikasi dari goodday dan torabika:

Selanjutnya saya akan membuat data trainy dan testy serta cari . Perhatikan berikut :

Output dari syntax diatas adalah sebagai berikut:

Dari data diatas, angka “0” mengkategorikan gambar kopi goodday sedangkan untuk yang “1” mengkategorikan torabika. Dengan demikian, gambar yang kita miliki telah dapat di klasifikasikan serta dikategorikan.

Sekian tutorial yang dapat saya bagikan. Semoga bermanfaat untuk teman-teman semua.

Sampai jumpa di tutorial selanjutnya ~ .