Search for collections on Repository Universitas Jenderal Soedirman

Klasifikasi Spesies Langka dan Tidak Langka dengan Deep Learning: Pengembangan Model CNN dan Integrasi pada Aplikasi Mobile FUTON

SENA, Robbani Ariya (2023) Klasifikasi Spesies Langka dan Tidak Langka dengan Deep Learning: Pengembangan Model CNN dan Integrasi pada Aplikasi Mobile FUTON. Skripsi thesis, Universitas Jenderal Soedirman.

[img] PDF (Cover)
COVER-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf

Download (192kB)
[img] PDF (Legalitas)
LEGALITAS-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf
Restricted to Repository staff only

Download (1MB)
[img] PDF (Abstrak)
ABSTRAK-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf

Download (404kB)
[img] PDF (BabI)
BAB-I-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf
Restricted to Repository staff only until 14 January 2025.

Download (396kB)
[img] PDF (BabII)
BAB-II-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf
Restricted to Repository staff only until 15 January 2025.

Download (2MB)
[img] PDF (BabIII)
BAB-III-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf
Restricted to Repository staff only until 15 January 2025.

Download (939kB)
[img] PDF (BabIV)
BAB-IV-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf
Restricted to Repository staff only

Download (3MB)
[img] PDF (BabV)
BAB-V-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf

Download (288kB)
[img] PDF (DaftarPustaka)
DAFTAR PUSTAKA-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf

Download (257kB)
[img] PDF (Lampiran)
LAMPIRAN-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf
Restricted to Repository staff only

Download (313kB)

Abstract

Pengembangan model Convolutional Neural Network (CNN) untuk mengklasifikasikan spesies langka dan tidak langka dilakukan tanpa bergantung pada arsitektur transfer learning atau model sederhana. Pendekatan eksploratif ini menitikberatkan pada pembangunan model dari nol guna mencapai akurasi yang diinginkan dalam pengenalan spesies-spesies tersebut. Namun penggunaan model sederhana menghasilkan nilai akurasi yang rendah, karena itu, dilakukan penambahan fitur transfer learning guna meningkatkan nilai akurasi yang masih kurang memuaskan. MobilenetV2, Xception, dan InceptionV3 diterapkan dalam penelitian ini dengan hasil akurasi masing-masing adalah 95,5%, 97,7%, dan 100%. Integrasi ini bertujuan untuk meningkatkan dan membandingkan kinerja serta akurasi antara model yang dibangun dari awal dan yang memanfaatkan transfer learning. Seluruh proses bertujuan untuk memperluas pemahaman terhadap pengidentifikasian spesies langka dan umum, serta penerapannya dalam aplikasi mobile menggunakan platform Flutter. Pada pengintegrasian model ke dalam aplikasi Mobile, terdapat penegasan bahwa model yang digunakan adalah MobileNetV2 karena keunggulannya dalam ke-ringanan dan kemampuan optimal di platform Flutter. Ini menjamin responsivitas dan efisiensi aplikasi saat digunakan untuk mengenali spesies langka dan umum.

Item Type: Thesis (Skripsi)
Nomor Inventaris: H24012
Uncontrolled Keywords: CNN, Transfer Learning, Aplikasi Mobile
Subjects: E > E121 Electric machinery
E > E148 Electrical engineering
Divisions: Fakultas Teknik > S1 Teknik Elektro
Depositing User: Mr Robbani Ariya Sena
Date Deposited: 15 Jan 2024 01:09
Last Modified: 15 Jan 2024 01:09
URI: http://repository.unsoed.ac.id/id/eprint/25029

Actions (login required)

View Item View Item