Pengembangan Aplikasi ExploreNTT Berbasis Image Classification

AISYAH, Nurul (2025) Pengembangan Aplikasi ExploreNTT Berbasis Image Classification. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Nurul Aisyah-H1A021059-Skripsi-2025.pdf Download (198kB)
	PDF (Legalitas) LEGALITAS-Nurul Aisyah-H1A021059-Skripsi-2025.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Nurul Aisyah-H1A021059-Skripsi-2025.pdf Download (332kB)
	PDF (BabI) BAB-I-Nurul Aisyah-H1A021059-Skripsi-2025.pdf Restricted to Repository staff only Download (497kB)
	PDF (BabII) BAB-II-Nurul Aisyah-H1A021059-Skripsi-2025.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabIII) BAB-III-Nurul Aisyah-H1A021059-Skripsi-2025.pdf Restricted to Repository staff only Download (467kB)
	PDF (BabIV) BAB-IV-Nurul Aisyah-H1A021059-Skripsi-2025.pdf Restricted to Repository staff only Download (1MB)
	PDF (BabV) BAB-V-Nurul Aisyah-H1A021059-Skripsi-2025.pdf Download (313kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Nurul Aisyah-H1A021059-Skripsi-2025.pdf Download (443kB)

Abstract

Indonesia memiliki wilayah yang luas yaitu 5.180.053 km2 dan jumlah pulau sekitar 17.499 pulau. Dengan wilayah yang luas, Indonesia memiliki potensi wisata yang besar. Namun, informasi mengenai wisata di Indonesia masih kurang. Peneliti mencoba untuk mengatasi kurangnya informasi mengenai wisata khususnya di NTT dengan memanfaatkan teknologi image classification. Penelitian ini akan melakukan pengembangan pada model deep learning dengan menggunakan pre-trained model MobileNet. Pengembangan dilakukan dengan menentukan optimizer yang cocok dengan model dan dataset yang telah terkumpul. Selain optimizer, pengembangan juga melakukan hyperparameter tuning yaitu menentukan learning rate, layer terakhir, dan batch size yang tepat. Penulis menggunakan 4.175 gambar dengan 25 tempat wisata di NTT untuk merancang model deep learning. Terdapat dua model terbaik yang dihasilkan, model pertama menggunakan arsitektur A, optimizer Adam, batch size 16, dan learning rate 0.0001. Sedangkan model kedua menggunakan arsitektur A, optimizer adam, batch size 32, learning rate 0.0001. Model pertama mendapatkan training accuracy tertinggi yaitu 0.987079. Model kedua mendapatkan validation accuracy dan test accuracy tertinggi yaitu 0.889423 dan 0.853828. Model kedua memiliki kemampuan dalam melakukan klasifikasi pada data baru sehingga baik untuk diterapkan pada aplikasi.

Item Type:	Thesis (Skripsi)
Nomor Inventaris:	H25042
Uncontrolled Keywords:	Image classification, optimizer, hyperparameter tuning
Subjects:	T > T65 Technological innovations
Divisions:	Fakultas Teknik > S1 Teknik Elektro
Depositing User:	Mrs Nurul Aisyah
Date Deposited:	12 Mar 2025 02:09
Last Modified:	12 Mar 2025 02:09
URI:	http://repository.unsoed.ac.id/id/eprint/32898

Actions (login required)

View Item

Search for collections on Repository Universitas Jenderal Soedirman