UNDANAUNDANA
J-ICON: Jurnal Komputer dan InformatikaJ-ICON: Jurnal Komputer dan InformatikaGoogle Teachable Machine adalah aplikasi berbasis website yang dapat dimanfaatkan penggunanya untuk membuat suatu model machine learning tanpa perlu menulis kode. Aplikasi ini memanfaatkan Jaringan Saraf Konvolusional (CNN) dalam prosesnya. Pada penelitian ini dilakukan pemanfaatan Teachable Machine untuk membuat model machine learning yang dapat mengidentifikasi batuan mineral khususnya magnetit, kalsit, dan kuarsa. Prosedur penelitian dilakukan melalui beberapa tahapan yaitu: Pengumpulan Sampel, Klasifikasi Sampel (Dataset), Pelatihan Model (Training), dan Proses Evaluasi. Pengumpulan data sampel berupa gambar batuan mineral diperoleh dan diunduh dari Google. Data tersebut kemudian dibagi menjadi tiga kelas mineral yaitu magnetit, kalsit, dan kuarsa yang digunakan sebagai input pada aplikasi Teachable Machine. Pelatihan model pada Teachable Machine menggunakan input epochs 100, batch size 64, dan learning rate 0.0001. Hasil pemodelan Teachable Machine kemudian dievaluasi dan menunjukkan bahwa model yang diperoleh dapat mengenali mineral magnetit, kalsit, dan kuarsa dengan akurasi, presisi, recal, spesifisitas, dan nilai F1 rata-rata sebesar 91.11% (86.67%), 87.30%, 86.67%, 93.33%, dan 86.50%. Penelitian ini menunjukkan bahwa pemanfaatan Teachable Machine membantu melakukan identifikasi cepat, akurat dan mudah sehingga dapat memberikan kontribusi dalam mempercepat proses analisis batuan mineral, pengambilan keputusan, dan pengembangan strategi eksplorasi. Selain itu hasil ini menunjukkan aplikasi ini memiliki potensi pengembangan yang lebih luas dalam bidang-bidang ilmu yang beragam.
Berdasarkan hasil yang diperoleh dapat disimpulkan Teachable Machine sebagai aplikasi berbasis website dapat dimanfaatkan dengan efektif dan mudah dalam pembuatan model identifikasi mineral magnetit, kuarsa dan kalsit.Training menggunakan input epochs 100, batch size 64 dan learning rate 0.0001 berhasil memperoleh model yang cukup bagus dengan akurasi, presisi, recal, spesifisitas dan nilai F1 rata-rata sebesar 91.Dimana model tersebut mampu mengidentifikasi lebih baik mineral magnetit dibandingkan dengan dua mineral lainnya.
Penelitian lanjutan dapat fokus pada pengembangan model dengan dataset yang lebih besar dan beragam untuk meningkatkan akurasi identifikasi mineral. Selain itu, eksplorasi arsitektur CNN yang lebih kompleks seperti ResNet atau EfficientNet bisa dilakukan untuk mengoptimalkan performa model. Terakhir, integrasi teknologi IoT dengan model Teachable Machine dapat membuka peluang penggunaan aplikasi ini secara real-time di lapangan, misalnya untuk identifikasi cepat batuan mineral di lokasi eksplorasi.
- Aplikasi Deteksi Penyakit pada Daun Tomat Berbasis Android Menggunakan Model Terlatih Tensorflow Lite... jurnal.unpad.ac.id/teknotan/article/view/45700Aplikasi Deteksi Penyakit pada Daun Tomat Berbasis Android Menggunakan Model Terlatih Tensorflow Lite jurnal unpad ac teknotan article view 45700
- Image Classification and Object Detection Algorithm Based on Convolutional Neural Network | Science Insights.... bonoi.org/index.php/si/article/view/113Image Classification and Object Detection Algorithm Based on Convolutional Neural Network Science Insights bonoi index php si article view 113
- NOAA IMAGE CLASSIFICATION USING GOOGLE’S TEACHABLE MACHINE | Ajhari | Semnas Ristek (Seminar Nasional... doi.org/10.30998/semnasristek.v7i1.6244NOAA IMAGE CLASSIFICATION USING GOOGLEAoS TEACHABLE MACHINE Ajhari Semnas Ristek Seminar Nasional doi 10 30998 semnasristek v7i1 6244
- XâRay Diffraction Techniques for Mineral Identification and Mineralogical Composition - Whittig... doi.org/10.2134/AGRONMONOGR9.1.C49XyAAAaRay Diffraction Techniques for Mineral Identification and Mineralogical Composition Whittig doi 10 2134 AGRONMONOGR9 1 C49
- IMPLEMENTASI DEEP LEARNING MENGGUNAKAN CNN UNTUK SISTEM PENGENALAN WAJAH | Dewi | Faktor Exacta. implementasi... journal.lppmunindra.ac.id/index.php/Faktor_Exacta/article/view/8989IMPLEMENTASI DEEP LEARNING MENGGUNAKAN CNN UNTUK SISTEM PENGENALAN WAJAH Dewi Faktor Exacta implementasi journal lppmunindra ac index php Faktor Exacta article view 8989
| File size | 639.46 KB |
| Pages | 8 |
| DMCA | Report |
Related /
MSTI INDONESIAMSTI INDONESIA Implikasi praktis menekankan pentingnya pendidikan lingkungan, peningkatan kapasitas masyarakat pesisir, dan optimalisasi infrastruktur pendukung untukImplikasi praktis menekankan pentingnya pendidikan lingkungan, peningkatan kapasitas masyarakat pesisir, dan optimalisasi infrastruktur pendukung untuk
UNSAUNSA Proses transformasi spiritual dari kegelapan menuju penyerahan diri kepada Tuhan terkandung dalam puisi ini. Puisi ini menjadi simbol perjuangan manusiaProses transformasi spiritual dari kegelapan menuju penyerahan diri kepada Tuhan terkandung dalam puisi ini. Puisi ini menjadi simbol perjuangan manusia
UNPERUNPER Teknologi seperti Robotic Process Automation (RPA), Machine Learning (ML), Natural Language Processing (NLP), dan Optical Character Recognition (OCR) terbuktiTeknologi seperti Robotic Process Automation (RPA), Machine Learning (ML), Natural Language Processing (NLP), dan Optical Character Recognition (OCR) terbukti
UnijoyoUnijoyo 84 bpm for heart rate and 0. 59 percentage points for SpO₂, the maximum absolute error did not exceed 1 bpm or 1 pp, respectively. These results demonstrate84 bpm for heart rate and 0. 59 percentage points for SpO₂, the maximum absolute error did not exceed 1 bpm or 1 pp, respectively. These results demonstrate
MSTI INDONESIAMSTI INDONESIA Motivasi dan kepuasan kerja berpengaruh signifikan terhadap kinerja. Secara bersama, ketiga variabel (pemberdayaan, motivasi, dan kepuasan kerja) secaraMotivasi dan kepuasan kerja berpengaruh signifikan terhadap kinerja. Secara bersama, ketiga variabel (pemberdayaan, motivasi, dan kepuasan kerja) secara
UNIPOLUNIPOL Penelitian ini bertujuan untuk menganalisis dan memprediksi arus kas operasi perusahaan sektor kesehatan yang terdaftar di Bursa Efek Indonesia (BEI) denganPenelitian ini bertujuan untuk menganalisis dan memprediksi arus kas operasi perusahaan sektor kesehatan yang terdaftar di Bursa Efek Indonesia (BEI) dengan
UHBUHB Melalui pendekatan doktrinal dengan studi kepustakaan terhadap data sekunder dan analisis secara kualitatif, maka dapat dijelaskan bahwa hukum yang hidupMelalui pendekatan doktrinal dengan studi kepustakaan terhadap data sekunder dan analisis secara kualitatif, maka dapat dijelaskan bahwa hukum yang hidup
UNDANAUNDANA Skor SUS yang lebih tinggi menunjukkan bahwa pengguna merasa lebih puas dan lebih mampu menggunakan aplikasi dengan lancar dan efektif setelah perubahanSkor SUS yang lebih tinggi menunjukkan bahwa pengguna merasa lebih puas dan lebih mampu menggunakan aplikasi dengan lancar dan efektif setelah perubahan
Useful /
UNPERUNPER Sampel studi terdiri dari dua pelaku industri terkemuka, yaitu PT Astra International Tbk dan PT Indomobil Sukses Internasional Tbk, dengan data sekunderSampel studi terdiri dari dua pelaku industri terkemuka, yaitu PT Astra International Tbk dan PT Indomobil Sukses Internasional Tbk, dengan data sekunder
UNPERUNPER Metode penelitian yang digunakan dalam penelitian ini adalah metode survey, sedangkan jenis data yang digunakan dalam penelitian ini adalah data primerMetode penelitian yang digunakan dalam penelitian ini adalah metode survey, sedangkan jenis data yang digunakan dalam penelitian ini adalah data primer
ICJAMBIICJAMBI Akibatnya, hipotesis nol (Ho) ditolak, dan hipotesis alternatif (Ha) diterima. Selain itu, uji ukuran efek menghasilkan nilai 1,28, yang melebihi 0,8,Akibatnya, hipotesis nol (Ho) ditolak, dan hipotesis alternatif (Ha) diterima. Selain itu, uji ukuran efek menghasilkan nilai 1,28, yang melebihi 0,8,
UMBUMB Selain itu, metode ini tidak memerlukan pengukuran langsung massa dan volume gas. Volume ditentukan dengan mengukur nitrogen pada tekanan 0,5 MPa dan padaSelain itu, metode ini tidak memerlukan pengukuran langsung massa dan volume gas. Volume ditentukan dengan mengukur nitrogen pada tekanan 0,5 MPa dan pada