IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) MENGGUNAKAN ARSITEKTUR VGG16 PADA KLASIFIKASI CITRA RGB VARIETAS BURUNG

Assyiraaj, Rivanka Desya Fawwaz (2023) IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK (CNN) MENGGUNAKAN ARSITEKTUR VGG16 PADA KLASIFIKASI CITRA RGB VARIETAS BURUNG. Other thesis, UPN Veteran Yogyakarta.

	Text 1.SKRIPSI FULL_123190018_Rivanka Desya Fawwaz Assyiraaj.pdf Restricted to Repository staff only Download (1MB)
	Text 2.COVER_123190018_Rivanka Desya Fawwaz Assyiraaj.pdf Download (133kB)
	Text 3.PENGESAHAN_123190018_Rivanka Desya Fawwaz Assyiraaj.pdf Download (217kB)
	Text 4.ABSTRAK_123190018_Rivanka Desya Fawwaz Assyiraaj.pdf Download (13kB)
	Text 5.DAFTAR ISI_123190018_Rivanka Desya Fawwaz Assyiraaj.pdf Download (49kB)
	Text 6.DAFTAR PUSTAKA_123190018_Rivanka Desya Fawwaz Assyiraaj.pdf Download (88kB)

Abstract

Indonesia merupakan salah satu negara yang memiliki banyak keanekaragaman
hayati. Negara ini memiliki kekayaan flora dan fauna yang sangat beragam, salah satu
diantaranya adalah burung, Indonesia sangat kaya akan keanekaragaman burung. Perlunya
sarana edukasi terhadap masyarakat mengenai jenis burung yang ada di Indonesia dan
perlunya sistem untuk membantu memonitoring keanekaragaman burung untuk menjaga di
habitatnya. Banyaknya jenis burung dan terkadang memiliki kemiripan antar burung yang
sulit dibedakan hanya dengan mata telanjang, sehingga dibutuhkannya teknologi computer
vision dengan melakukan klasifikasi jenis burung menggunakan metode Transfer Learning
Convolutional Neural Network (CNN). Untuk mendapatkan model yang optimal dibutuhkan
proses data preprocessing yaitu resize citra menjadi 224 x 224 pixels dan dilakukannya
normalisasi Z-Score. Kombinasi Pengujian dengan pendekatan Transfer Learning dan
Hyperparameter yang tepat. Dengan pendekatan yang diujikan yaitu Fine Tuning dengan
Pre-Trained, Freezing Layer dengan Pre-Trained, dan Fine Tuning tanpa Pre-Trained dan
dikombinasikan dengan parameter epoch sebesar 5, 10, dan 15. Didapatkan kombinasi terbaik
dari hasil pengujian yaitu pendekatan menggunakan Fine Tuning dengan Pre-Trained dengan
epoch 5 mendapatkan akurasi pada data test sebesar 97,20%
Kata Kunci : Transfer Learning, Convolutional Neural Network, Hyperparameter, Burung,
Fine Tuning, Freezing layer

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Transfer Learning, Convolutional Neural Network, Hyperparameter, Burung, Fine Tuning, Freezing layer
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Sepfriend Ayu Kelana Giri
Date Deposited:	20 Jul 2023 08:49
Last Modified:	20 Jul 2023 08:49
URI:	http://eprints.upnyk.ac.id/id/eprint/36507

Actions (login required)

View Item