Ananda, Febri Bagus (2021) ALGORITMA CNN UNTUK PENGENALAN KLASIFIKASI JENIS KUE TRADISIONAL INDONESIA. Strata 1 thesis, Universitas Teknokrat Indonesia.
![[img]](http://repository.teknokrat.ac.id/style/images/fileicons/text.png) |
Text (Full Skripsi)
skripsi17312133.pdf - Published Version Restricted to Registered users only Download (3MB) | Request a copy |
|
Text (Abstrak)
abstrak17312133.pdf - Published Version Download (186kB) |
|
Text (Bab I-Pendahuluan)
b117312133.pdf - Published Version Download (20kB) |
|
Text (Bab II-Landasan Teori)
b217312133.pdf - Published Version Download (612kB) |
|
Text (Daftar Pustaka)
daftar_pustaka17312133.pdf - Bibliography Download (125kB) |
Abstract
Penelitian dilakukan atas dasar implementasi algoritma Convolutional Neural Network yang digunakan untuk pengenalan klasifikasi kue tradisional Indonesia. Beberapa orang menganggap makanan dan kue tradisional sudah ketinggalan zaman. Banyak dari kue tradisional yang ditinggalkan oleh masyarakat dan mulai beralih ke makanan yang lebih modern sehingga masyarakat terkadang tidak mengenali kue tradisional yang beredar. Kurangnya penyebaran pengenalan kue tradisional ini, maka dibutuhkan sistem untuk mengenali kue tradisional Indonesia. Seiring berkembangnya teknologi, pengenalan gambar menggunakan metode Convolutional Neural Network (CNN) sebagai metode klasifikasi dengan menggunakan pre-trained model MobilenetV2 sebagai model dasar dapat digunakan. Dari total jumlah dataset 1545 gambar kue tradisional yang terdiri dari 8 kategori dibagi menjadi 80% data train dan 20% data test. Setelah memalui proses training dan pengujian diperoleh hasil akurasi sebesar 98,9% untuk data train dan 90,5% untuk data test. Pengujian model yang dilakukan pada data uji baru menghasilkan akurasi sebesar 92,5% dimana model berhasil mengklasifikasikan 74 gambar dari 80 gambar kue tradisional sesuai kategorinya yang disajikan dalam bentuk confusion matrix. Beberapa percobaan dilakukan juga guna mencari parameter yang menghasilkan model dengan akurasi paling baik yaitu pengaruh jumlah epoch, pengaruh skenario pembagian dataset, dan pengaruh ukuran learning rate.
| Item Type: | Thesis (Strata 1) |
|---|---|
| Uncontrolled Keywords: | Kue, Klasifikasi, Convolutional Neural Network , MobilenetV2, Confusion Matrix. |
| Subjects: | SISTEM INFORMASI (S1) > Metode Komputer SISTEM INFORMASI (S1) > Metode Komputer |
| Divisions: | Fakultas Teknik dan Ilmu Komputer > S1 Informatika |
| Depositing User: | Asep Haikal Kurniawan S.IP., M.A |
| Date Deposited: | 11 Feb 2022 03:24 |
| Last Modified: | 11 Feb 2022 03:24 |
| URI: | http://repository.teknokrat.ac.id/id/eprint/3559 |
Actions (login required)
 |
View Item |
