KLASIFIKASI BATU MULIA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

AL MU’IZ, MUHAMMAD LATHIF HARIZQI (2024) KLASIFIKASI BATU MULIA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Other thesis, UPN "Veteran" Yogyakarta.

[thumbnail of ABSTRAK.pdf] Text
ABSTRAK.pdf
Download (7kB)
[thumbnail of COVER.pdf] Text
COVER.pdf
Download (167kB)
[thumbnail of DAFTAR ISI.pdf] Text
DAFTAR ISI.pdf
Download (68kB)
[thumbnail of DAFTAR PUSTAKA.pdf] Text
DAFTAR PUSTAKA.pdf
Download (87kB)
[thumbnail of PENGESAHAN PEMBIMBING.pdf] Text
PENGESAHAN PEMBIMBING.pdf
Download (495kB)
[thumbnail of PENGESAHAN PENGUJI.pdf] Text
PENGESAHAN PENGUJI.pdf
Download (228kB)
[thumbnail of SKRIPSI FULL_MUHAMMAD LATHIF H A M_123190106.pdf] Text
SKRIPSI FULL_MUHAMMAD LATHIF H A M_123190106.pdf
Restricted to Repository staff only
Download (7MB)

Abstract

Batu mulia telah menjadi bagian penting dalam kehidupan manusia sejak zaman
kuno, menawarkan keindahan dan nilai estetika yang tinggi. Namun, identifikasi dan
penilaian batu mulia sering kali memerlukan keahlian khusus dan waktu yang cukup lama.
Dalam era perkembangan teknologi informasi, metode-metode baru diperlukan untuk
meningkatkan efisiensi dalam proses identifikasi batu mulia.
Pada penelitian ini menerapkan Convolutional Neural Network (CNN) untuk
melakukan klasifikasi berbagai jenis batu mulia. Penelitian ini melakukan serangkaian
percobaan dengan kombinasi hyperparameter, termasuk nilai epoch dan batch size, untuk
mengevaluasi kinerja model CNN.
Hasil analisis menunjukkan bahwa pengaturan hyperparameter memainkan peran
penting dalam akurasi klasifikasi batu mulia. Kombinasi optimal hyperparameter yang
diidentifikasi adalah batch size 32 dan epoch 100, yang menghasilkan akurasi tertinggi
sebesar 95,08%.
Kata Kunci: Batu Mulia, Convolutional Neural Network, Klasifikasi, Hyperparameter

Item Type: Thesis (Other)
Uncontrolled Keywords: Batu Mulia, Convolutional Neural Network, Klasifikasi, Hyperparameter
Subjects: T Technology > T Technology (General)
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: A.Md.SI Indah Lestari Wulan Aji
Date Deposited: 20 Jun 2024 03:03
Last Modified: 20 Jun 2024 03:03
URI: http://eprints.upnyk.ac.id/id/eprint/39810

Actions (login required)

View Item View Item