UNDANAUNDANA

J-ICON: Jurnal Komputer dan InformatikaJ-ICON: Jurnal Komputer dan Informatika

Google 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.

  1. 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
  2. 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
  3. 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
  4. X‐Ray 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
  5. 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
Read online
File size639.46 KB
Pages8
DMCAReport

Related /

JURIS Klasifikasi Jenis Jerawat Berdasarkan Gambar Menggunakan Algoritma Cnn Convolutional Neural Network 2025More at 2025

ILMUBERSAMAILMUBERSAMA Model Convolutional Neural Network (CNN) mampu mengklasifikasikan jenis jerawat pada citra wajah dengan akurasi sebesar 88%. Akurasi yang diperoleh sangatModel Convolutional Neural Network (CNN) mampu mengklasifikasikan jenis jerawat pada citra wajah dengan akurasi sebesar 88%. Akurasi yang diperoleh sangat

JURIS Lightweight Visual Detection System for Object Identification with ArUco Markers in Resource Constrained Environments 2025More at 2025

SAINTISPUBSAINTISPUB The study provides a foundation for extending the system to more dynamic conditions in future research. The ArUco marker-based object detection systemThe study provides a foundation for extending the system to more dynamic conditions in future research. The ArUco marker-based object detection system

JURIS Integration of Local Wisdom Values in Character Education of Elementary School Students in Multicultural Areas 2025More at 2025

STISNQSTISNQ Selain itu, dukungan dari guru dan orang tua menjadi faktor penting dalam keberhasilan implementasi nilai karakter ini. Penelitian ini merekomendasikanSelain itu, dukungan dari guru dan orang tua menjadi faktor penting dalam keberhasilan implementasi nilai karakter ini. Penelitian ini merekomendasikan

JURIS Grade Classification of Diabetic Retinopathy Based on Single Model Convolutional Neural Network 2025More at 2025

UMIUMI Dari hasil penelitian yang dilakukan, metode yang diusulkan (Modified CNN menggunakan 7 layer) menggunakan empat model kelas, yaitu 5 kelas, 3 kelas, 2Dari hasil penelitian yang dilakukan, metode yang diusulkan (Modified CNN menggunakan 7 layer) menggunakan empat model kelas, yaitu 5 kelas, 3 kelas, 2

JURIS Implementasi Convolutional Neural Network CNN Untuk Mendeteksi Ujaran Kebencian Dan Emosi Di Twitter 2024More at 2024

UBHINUSUBHINUS Model CNN yang dirancang secara khusus kemudian dilatih pada dataset tersebut. Keunggulan CNN dalam mengekstraksi fitur-fitur semantik dari teks secaraModel CNN yang dirancang secara khusus kemudian dilatih pada dataset tersebut. Keunggulan CNN dalam mengekstraksi fitur-fitur semantik dari teks secara

JURIS Direct implementation of AI Based Facial Recognition for ITSI students 2024More at 2024

AIRAAIRA Model menunjukkan performa terbaik saat mengenali wajah tunggal yang menghadap ke depan, namun akurasinya menurun dalam kondisi cahaya rendah dan saatModel menunjukkan performa terbaik saat mengenali wajah tunggal yang menghadap ke depan, namun akurasinya menurun dalam kondisi cahaya rendah dan saat

JURIS Utilization of Android based Myting Program in Improving Myob Accounting Learning Outcomes for Students At SMK Muhammadiyah 04 Medan 2024More at 2024

AKSAQILAJURNALAKSAQILAJURNAL Nilai signifikansi lebih kecil dari 0,05 sehingga hipotesis alternatif (Ha) diterima. Hal ini menunjukkan bahwa rata-rata peningkatan hasil belajar akuntansiNilai signifikansi lebih kecil dari 0,05 sehingga hipotesis alternatif (Ha) diterima. Hal ini menunjukkan bahwa rata-rata peningkatan hasil belajar akuntansi

JURIS TFOOD TensorFlow Object Detection Application Design Smart Solution to Create Digital Communication Tools for People with Deaf and Speech Disabilities 2024More at 2024

AKSAQILAJURNALAKSAQILAJURNAL Results show that TFOOD significantly increases communication accessibility for deaf and speech-impaired individuals, providing an effective tool for interactingResults show that TFOOD significantly increases communication accessibility for deaf and speech-impaired individuals, providing an effective tool for interacting

Useful /

JURIS Designing an Online Sales System Using a Website 2025More at 2025

AIRAAIRA Dengan memanfaatkan metodologi Waterfall, setiap tahap pengembangan direncanakan dan dieksekusi dengan cermat, memastikan platform yang andal dan efektifDengan memanfaatkan metodologi Waterfall, setiap tahap pengembangan direncanakan dan dieksekusi dengan cermat, memastikan platform yang andal dan efektif

JURIS Innovative Integration of Computer Network Technology in Modern Educational Systems 2024More at 2024

AIRAAIRA The systems effectiveness is evaluated through empirical methods, including extensive data analysis and continuous refinement based on student performanceThe systems effectiveness is evaluated through empirical methods, including extensive data analysis and continuous refinement based on student performance

JURIS Evaluasi dan Desain Ulang Antarmuka Menggunakan Metode User Centered Design UCD pada Aplikasi Kampus Kita Tendik 2024More at 2024

UNDANAUNDANA Berdasarkan hasil evaluasi dengan menggunakan UCD dapat meningkatkan kualitas rancangan aplikasi. Hal ini terlihat dari hasil evaluasi rancang ulang aplikasiBerdasarkan hasil evaluasi dengan menggunakan UCD dapat meningkatkan kualitas rancangan aplikasi. Hal ini terlihat dari hasil evaluasi rancang ulang aplikasi

JURIS Paraffin Problem Treating Along The Flowline Study Case From Wellhead X To The Separator 2018More at 2018

UMBUMB Upaya penanggulangan masalah parafin dilakukan dengan memasang insulasi sepanjang flowline untuk mengurangi kehilangan panas fluida. Jika metode penanggulanganUpaya penanggulangan masalah parafin dilakukan dengan memasang insulasi sepanjang flowline untuk mengurangi kehilangan panas fluida. Jika metode penanggulangan

ads-block-test