Pemodelan Transfer Learning pada Image Processing untuk klasifikasi kondisi robot berbasis Artificial Neural Network

Khoerudin, Asep (2022) Pemodelan Transfer Learning pada Image Processing untuk klasifikasi kondisi robot berbasis Artificial Neural Network. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (90kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (412kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (149kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (513kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (415kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (247kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (663kB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB VI)
9_bab6.pdf
Restricted to Registered users only

Download (147kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
10_daftarpustaka.pdf
Restricted to Registered users only

Download (152kB) | Request a copy

Abstract

Artificial Intelligence merupakan bidang keilmuan yang membuat komputer dapat menirukan kebiasaan manusia dalam berbagai bidang, salah satunya dalam menentukan klasifikasi. Artificial Neural Network merupakan salah satu algoritma yang digunakan dalam klasifikasi. Penelitian ini menggunakan 300 dataset dengan 3 kelas klasifikasi dengan variasi model sebanyak 10 model menggunakan metode Transfer Learning. Penelitian ini bertujuan untuk merancang model transfer learning pada image processing untuk klasifikasi kondisi robot menggunakan Artificial Neural Network, yaitu dengan mencari hyperparameter terbaik untuk perancangan model transfer learning yang dibuat. Hasil output berupa learning rate dengan hasil setinggi mungkin dan dengan grafik yang optimal untuk dapat menentukan 3 klasifikasi kondisi robot yaitu RLURUS, RSERONGKANAN, dan RSERONGKIRI. Input untuk masing- masing klasifikasi yaitu 100 gambar. Akurasi terbaik dan grafik learning optimal didapatkan pada model ke-4 dengan dimensi gambar 224 x 224, data test 150, data train 150, Epoch 50, dan Batch Size sebesar 10. Didapatkan output learning rate rata-rata sebesar 92 %.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Artificial Neural Network; Adam Optimizer; Hyperparameter; Clasification; Transfer Learning;
Subjects: Special Computer Methods > Artificial Intelligence
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Elektro
Depositing User: Asep Khoerudin
Date Deposited: 21 Jul 2022 09:08
Last Modified: 21 Jul 2022 09:08
URI: https://etheses.uinsgd.ac.id/id/eprint/53743

Actions (login required)

View Item View Item