KLASIFIKASI SPESIES ULAR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR VGG-19 (STUDY CASE: ULAR INDIA)

Antonio, Kevin (2022) KLASIFIKASI SPESIES ULAR MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR VGG-19 (STUDY CASE: ULAR INDIA). Diploma thesis, Universitas Multi Data Palembang.

Text Kevin Antonio 1822250045.pdf Download (1MB)

Abstract

Ular merupakan golongan hewan reptil yang tidak memiliki kaki, tetapi memiliki sisik di seluruh tubuhnya, dan memiliki tubuh yang lurus yang panjang. Penelitian ini bertujuan untuk mengklasifikasi spesies ular menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur VGG-19 dengan optimizer Adam, RMSProp, SGD, Adagrad, dan Adamax. Dataset terdapat 2044 foto citra dan dibagi menjadi 1775 data train dan 269 data test. Kemudian dataset dilakukan augmentasi pada data train sebanyak 6400 untuk setiap kelas nya dan data test 1600 untuk setiap kelas nya. Pada penelitian ini didapatkan tingkat akurasi tertinggi dengan menggunakan VGG-19 sehingga didapatkan tingkat akurasi menggunakan optimizer SGD sebesar 71.09%

Actions (login required)

View Item