HARIAN, SYAHPUTRA (2023) IMPLEMENTASI METODE COVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI CITRA HIJAB BERBASIS MOBILE. S1 thesis, Universitas Malikussaleh.

	Text Cover.pdf Download (582kB)
	Text Abstrak.pdf Download (6kB)
	Text Bab l.pdf Download (139kB)
	Text Daftar Pustaka.pdf Download (682kB)

Abstract

Belakangan ini teknologi kecerdesan buatan meningkat pesat terutama di bidang computer vision. Salah satu teknologi computer visison yang digunakan adalah pengenalan objek dan gambar yang terdiri dari dua proses yaitu deteksi selanjutnya klasifikasi. Kedua proses ini sangat cepat dilakukan oleh manusia karena dibekali kemampuan syaraf alami yang mampu mengenali dan membedakan objek. Kemampuan manusia itulah yang ingin di buat ulang dan di tanamkan dalam sistem komputer, agar komputer mempunyai kemampuan seperti manusia dalam mengenali objek. Pengenalan objek yang dilakukan komputer salah dan kurang tepat jika data masukan yang diterima komputer mengalami perubahan atribut dan perubahan arsitektur jaringan saraf buatan. Dalam penelitian ini akan mengaplikasikan cabang ilmu kecerdasan buatan yaitu Deep Learning dengan metode CNN (Convolutional Neural Network) dimana untuk implementasi CNN menggunakan Tensorflow dengan bahasa pemrograman Python. Jumlah Dataset yang didapat dari Open source yaitu 500 gambar yang terbagi menjadi 250 gambar hijab dan 250 gambar Non-hijab. Berdasarkan hasil dari proses pembahasan maka di peroleh tingkat akurasi sebesar 96% pada proses training dan 94% pada proses testing dimana banyak indikator arsitektur CNN yang mempengaruhi hasil akurasi seperti jumlah Epoch, Learning rate, Jumlah data training dan testing. Sehingga dari penelitian ini dapatlah kesimpulan akhir bahwa kinerja model dapat berjalan dengan maksimal dalam mendeteksi objek berhijab dan tidak berhijab. Kata Kunci: Deep Learning, Tensorflow, Convolutional Neural Network

Item Type:	Thesis (S1)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Yolinda Cesilia
Date Deposited:	22 Nov 2023 03:52
Last Modified:	22 Nov 2023 03:52
URI:	https://rama.unimal.ac.id/id/eprint/87

Actions (login required)

View Item