@thesis{thesis,
		author={NIAM  MAULA KHOIRUL},
		title ={IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL
NETWORK (CNN) DALAM MODEL KLASIFIKASI UNTUK
IDENTIFIKASI MERK DAN MODEL MOBIL EROPA
BERBASIS MOBILE APP},
		year={2024},
		url={http://eprints3.upgris.ac.id/id/eprint/4533/},
		abstract={Merek tidak hanya dipahami sebagai identitas sebuah produk, tetapi juga sebagai
entitas dengan jiwa dan karakteristik yang dapat mencerminkan kepribadian serta
citra tertentu kepada masyarakat. Konsumen seringkali memilih merek
berdasarkan citra yang dibangun, seolah-olah merek tersebut memiliki
karakteristik manusia yang dapat mencerminkan kecocokan dengan pengguna.
Dalam konteks ini, persepsi bahwa konsumen mempersepsikan produk bermerek
sebagai objek dengan karakteristik manusia telah menjadi populer di kalangan
akademisi dan praktisi pemasaran. Di sisi lain, kemajuan teknologi dalam
klasifikasi gambar, khususnya dengan penggunaan Convolutional Neural Network
(CNN), telah membuka peluang besar dalam berbagai aplikasi praktis, termasuk
identifikasi merk dan model mobil. Penelitian ini berfokus pada pengembangan
dan implementasi algoritma CNN dalam aplikasi mobile yang dirancang untuk
mengidentifikasi merk dan model mobil Eropa. Identifikasi ini penting dalam
berbagai sektor seperti industri otomotif, keamanan, dan asuransi, di mana
kemampuan untuk mengenali kendaraan secara cepat dan akurat sangat
dibutuhkan. Metodologi penelitian yang digunakan adalah metode Waterfall, yang
melibatkan beberapa tahapan utama: analisis kebutuhan, desain sistem,
implementasi, dan pengujian. Pada tahap analisis kebutuhan, dilakukan identifikasi
terhadap kebutuhan sistem dan spesifikasi aplikasi. Desain sistem mencakup
pengembangan arsitektur aplikasi dan model CNN yang dioptimalkan untuk
klasifikasi citra mobil. Implementasi melibatkan pengkodean dan integrasi model
CNN ke dalam aplikasi mobile, diikuti dengan pengujian performa model serta
evaluasi penggunaan aplikasi oleh pengguna. Dataset yang digunakan dalam
penelitian ini terdiri dari gambar-gambar mobil Eropa yang dikumpulkan dari situs
Kaggle, yang kemudian dibagi menjadi data pelatihan dan data validasi. Model
CNN yang dibangun memiliki beberapa lapisan konvolusi dan pooling yang
bertujuan untuk mencapai akurasi tinggi dalam klasifikasi merk dan model mobil.
Hasil penelitian menunjukkan bahwa model CNN yang diimplementasikan dalam
aplikasi mobile mampu mencapai akurasi tinggi pada data uji. Selain itu, hasil dari
User Acceptance Testing (UAT) menunjukkan tingkat kepuasan pengguna yang
sangat tinggi, yaitu sebesar 96,8%. Hal ini menandakan bahwa aplikasi ini
diterima dengan baik oleh pengguna dan memiliki potensi besar untuk
diimplementasikan dalam skala yang lebih luas. Kesimpulan dari penelitian ini
adalah bahwa implementasi algoritma CNN dalam aplikasi mobile untuk
identifikasi merk dan model mobil Eropa terbukti sangat efektif dan efisien.
Aplikasi ini memiliki potensi aplikasi yang luas dalam berbagai industri, termasuk
industri otomotif, keamanan, dan asuransi, di mana kemampuan untuk melakukan
identifikasi kendaraan secara cepat dan akurat sangat dibutuhkan.
Kata kunci: Merek, Convolutional Neural Network, Identifikasi Mobil, Aplikasi
Mobile, Metode Waterfall, Klasifikasi Gambar}
		}