Implementasi Teknik Deep Learning Convolutional Neural Network
Seorang intepreter seismik sangat membutuhkan teknologi yang dapat membantu dalam melakukan proses intepretasi. Teknik Deep learning Convolutional Neural Network dinilai mampu menyelesaikan permasalahan seismik yang umumnya berupa data dalam bentuk citra. Dengan melakukan proses training dan validation, penulis ingin menguji keefektifan algoritma CNN dalam melakukan klasifikasi fasies seismik. Setelah dilakukan proses training dan validation selama kurang lebih 2,5 jam per 12 epoch tiap percobaan, terbukti bahwa algortima CNN efektif dalam melakukan klasifikasi fasies seismik dengan proses yang otomatis dan sederhana serta menghasilkan tingkat akurasi yang mencapai 0.986 dengan penggunaan learning rate 0.001. Melihat fungsi aktivasi output yang digunakan, penggunaan fungsi aktivasi softmax memiliki performa yang lebih baik dibandingkan dengan fungsi aktivasi sigmoid dengan tampilan model output softmax telah sesuai dengan ciri dari fasies seismiknya. Model klasifikasi yang dibuat dapat diaplikasikan kedalam data test dalam bentuk blind data dan kemudian dipresentasikan dalam enam klasifikasi fasies.
Kata kunci : Fasies, algoritma, fungsi aktivasi, epoch, learning rate
URI
https://repo.itera.ac.id/depan/submission/SB2108190015
Keyword