KHARISMAKHARISMA
KHARISMA TechKHARISMA TechPengenalan citra merupakan sub-kategori teknologi visi komputer yang digunakan untuk mengklasifikasikan citra ke dalam kategori tertentu. Tujuan dari penelitian ini adalah untuk membuat model CNN dengan arsitektur MobileNet untuk mengklasifikasikan citra komponen sepeda motor serta mengukur tingkat akurasi yang dihasilkan oleh model.
Penelitian ini berhasil membuat model CNN menggunakan arsitektur MobileNet yang mampu mengklasifikasikan citra komponen sepeda motor.Pengujian model mobilenet dilakukan dengan menggunakan 20 data uji.Dari hasil pengujian diperoleh hasil bahwa kinerja akurasi model CNN dengan arsitektur MobileNet dalam mengklasifikasikan citra komponen sepeda motor sebesar 95% untuk citra tanpa proses blur dan 90% untuk citra yang blur.Hasil pengujian menunjukkan tingkat ketepatan klasifikasi citra menggunakan citra yang diblur tidak menurun secara signifikan.
Saran penelitian lanjutan yang dapat dilakukan adalah: . . 1. Mengembangkan model CNN dengan arsitektur MobileNet yang lebih efisien dan akurat dalam mengklasifikasikan citra komponen sepeda motor, dengan mempertimbangkan faktor-faktor seperti ukuran dataset, teknik augmentasi, dan optimasi hyperparameter.. . 2. Menerapkan teknik transfer learning untuk memanfaatkan model CNN yang telah dilatih sebelumnya, sehingga dapat mengurangi waktu pelatihan dan meningkatkan akurasi klasifikasi citra komponen sepeda motor.. . 3. Mengkaji dan mengevaluasi kinerja model CNN dengan arsitektur MobileNet dalam mengklasifikasikan citra komponen sepeda motor yang memiliki variasi lebih besar, seperti kondisi cahaya yang berbeda, resolusi citra yang bervariasi, atau bahkan citra yang rusak atau kabur.
| File size | 645.78 KB |
| Pages | 12 |
| DMCA | Report |
Related /
BSIBSI Model ini kemudian diimplementasikan dalam sistem cerdas yang dapat mempercepat dan mempermudah proses diagnosis pneumonia sehingga memberikan manfaatModel ini kemudian diimplementasikan dalam sistem cerdas yang dapat mempercepat dan mempermudah proses diagnosis pneumonia sehingga memberikan manfaat
UNMUHUNMUH Hasil evaluasi menunjukkan bahwa arsitektur MobileNet memberikan performa terbaik dengan nilai F1-score sebesar 89%. Temuan ini menunjukkan bahwa pendekatanHasil evaluasi menunjukkan bahwa arsitektur MobileNet memberikan performa terbaik dengan nilai F1-score sebesar 89%. Temuan ini menunjukkan bahwa pendekatan
UNKLABUNKLAB Metode yang digunakan dalam penelitian ini adalah MobileNet dengan penyetelan hyperparameter (hyperparameter tuning) dan fine-tuning, yang kemudian dibandingkanMetode yang digunakan dalam penelitian ini adalah MobileNet dengan penyetelan hyperparameter (hyperparameter tuning) dan fine-tuning, yang kemudian dibandingkan
PDGIPDGI Studi ini mengungkapkan bahwa faktor pranatal terkait dengan tingkat pendidikan ibu dan faktor pasca-natal terkait dengan persepsi ibu tentang masalahStudi ini mengungkapkan bahwa faktor pranatal terkait dengan tingkat pendidikan ibu dan faktor pasca-natal terkait dengan persepsi ibu tentang masalah
UMSUMS The analysis reveals that areas with low surface roughness and gentle slopes are more prone to deep inland tsunami inundation. Vulnerability mapping underThe analysis reveals that areas with low surface roughness and gentle slopes are more prone to deep inland tsunami inundation. Vulnerability mapping under
UNJAYAUNJAYA Sistem ini memanfaatkan data sekunder dari Survei Demografi dan Kesehatan 2018 di Nigeria, yang mencakup variabel seperti usia, status gizi, dan riwayatSistem ini memanfaatkan data sekunder dari Survei Demografi dan Kesehatan 2018 di Nigeria, yang mencakup variabel seperti usia, status gizi, dan riwayat
PDSIPDSI Penelitian ini menunjukkan bahwa penerapan RobustScaler sebagai teknik pra-pemrosesan secara signifikan meningkatkan kinerja algoritma Support Vector MachinePenelitian ini menunjukkan bahwa penerapan RobustScaler sebagai teknik pra-pemrosesan secara signifikan meningkatkan kinerja algoritma Support Vector Machine
UnimorUnimor Salah satu faktor yang mungkin mempengaruhi hasil klasifikasi adalah kondisi eksternal, seperti pencahayaan dan perbedaan tipe kamera yang digunakan saatSalah satu faktor yang mungkin mempengaruhi hasil klasifikasi adalah kondisi eksternal, seperti pencahayaan dan perbedaan tipe kamera yang digunakan saat
Useful /
PDMBENGKULUPDMBENGKULU Metode pelaksanaan yang digunakan adalah pendekatan partisipatif dengan mengajak masyarakat langsung terlibat dalam setiap tahap kegiatan. Tahap pertamaMetode pelaksanaan yang digunakan adalah pendekatan partisipatif dengan mengajak masyarakat langsung terlibat dalam setiap tahap kegiatan. Tahap pertama
UNJAYAUNJAYA Hasil penelitian ini menunjukkan bahwa CNN lebih unggul dalam akurasi untuk aplikasi yang membutuhkan ketepatan tinggi, sedangkan SVM menjadi alternatifHasil penelitian ini menunjukkan bahwa CNN lebih unggul dalam akurasi untuk aplikasi yang membutuhkan ketepatan tinggi, sedangkan SVM menjadi alternatif
UNJAYAUNJAYA Penelitian ini mengevaluasi dampak variasi jumlah lapisan layer pada implementasi algoritma Convolutional Neural Network (CNN) dalam sistem identifikasiPenelitian ini mengevaluasi dampak variasi jumlah lapisan layer pada implementasi algoritma Convolutional Neural Network (CNN) dalam sistem identifikasi
UNJAYAUNJAYA CNN juga lebih efisien dalam waktu pelatihan. Keunggulan CNN terletak pada kemampuannya mengekstraksi fitur spasial melalui lapisan konvolusi, sedangkanCNN juga lebih efisien dalam waktu pelatihan. Keunggulan CNN terletak pada kemampuannya mengekstraksi fitur spasial melalui lapisan konvolusi, sedangkan