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.
PDF (Cover)
COVER-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf Download (192kB) |
|
PDF (Legalitas)
LEGALITAS-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf Restricted to Repository staff only Download (1MB) |
|
PDF (Abstrak)
ABSTRAK-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf Download (404kB) |
|
PDF (BabI)
BAB-I-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf Restricted to Repository staff only until 14 January 2025. Download (396kB) |
|
PDF (BabII)
BAB-II-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf Restricted to Repository staff only until 15 January 2025. Download (2MB) |
|
PDF (BabIII)
BAB-III-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf Restricted to Repository staff only until 15 January 2025. Download (939kB) |
|
PDF (BabIV)
BAB-IV-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf Restricted to Repository staff only Download (3MB) |
|
PDF (BabV)
BAB-V-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf Download (288kB) |
|
PDF (DaftarPustaka)
DAFTAR PUSTAKA-Robbani Ariya Sena-H1A019023-Skripsi-2024.pdf Download (257kB) |
|
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 |