Pratama, Rio Julian Azis (2020) ANALISIS PERBANDINGAN KINERJA DEEP NEURAL NETWORK MENGGUNAKAN MODEL XCEPTION DAN DENSENET PADA KLASIFIKASI RAS KUCING. Undergraduate thesis, Universitas Diponegoro.

	Text JUDUL.pdf Download (745kB)
	Text BAB I.pdf Restricted to Repository staff only Download (240kB)
	Text BAB II.pdf Restricted to Repository staff only Download (902kB)
	Text BAB III.pdf Restricted to Repository staff only Download (773kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (2MB)
	Text BAB V.pdf Restricted to Repository staff only Download (11kB)
	Text DAFTAR PUSTAKA.pdf Restricted to Repository staff only Download (125kB)

Abstract

Perkembangan teknologi saat ini sudah sampai pada tahap dimana komputer dapat
mengenali objek dalam gambar secara otomatis. Berbagai model dan algoritma terus
dikembangkan agar komputer dapat mengenali objek di dalam gambar secara lebih baik. Salah
satu metode yang terbukti menghasilkan hasil terbaik (state-of-the-art) adalah teknik Convolutional
Neural Network atau lebih dikenal dengan ConvNet atau CNN. Akan tetapi, CNN memiliki
kekurangan dalam pengembangannya yang masih terhitung mahal secara waktu dan perangkat
keras yang digunakan. Namun, kekurangan tersebut dapat diatasi dengan model-model CNN yang
sudah mengalami proses latih sebelumnya atau biasa disebut pre-trained model. Tujuan utama
pada penelitian ini yaitu menganalisis perbandingan kinerja pre-trained CNN model, yaitu Xception
dan DenseNet dalam melakukan klasifikasi terhadap ras kucing. Penelitian ini juga menjelaskan
bagaimana pendekatan deep learning, seperti CNN, yang dapat membedakan suatu objek dalam
gambar.
Aplikasi yang digunakan dalam penelitian ini adalah Jupyter Notebook, Google-Colab, dan
Flask dengan Google Chrome sebagai peramban (web browser). Sedangkan untuk bahasa
pemrograman yang digunakan yaitu Python dengan framework Keras dan Tensorflow. Tahapan
penelitian dimulai dari tahapan pendahuluan yang memuat penentuan topik, identifikasi dan
perumusan masalah, dan menentukan metodologi penelitian. Kemudian dilakukan kajian pustaka,
yaitu pengumpulan materi guna mendukung penelitian ini. Selanjutnya dilakukan pengumpulan
data dan pengolahan data. Pengolahan data memuat prapengolahan data, perancangan model,
pelatihan model dan pengujian model. Setelah selesai mengumpulkan dan mengolah data,
dilakukan implementasi aplikasi ke dalam web yang berfungsi untuk memprediksi gambar kucing
dari direktori lokal komputer.
Setelah menguji kedua model tersebut, diperoleh kesimpulan bahwa model memiliki hasil
kinerja yang berbeda pada setiap percobaannya. Hasil percobaan menunjukkan bahwa secara
umum model DenseNet-201 memiliki kinerja yang lebih baik dalam melakukan klasifikasi gambar
ras kucing daripada model Xception.

Actions (login required)

View Item