DETAIL DOCUMENT
SISTEM KLASIFIKASI GAMBAR KUCING BERBASIS TENSORFLOW
Total View This Week3
Institusion
STMIK Akakom
Author
Qodri, Muhammad Al
Subject
Program Aplikasi 
Datestamp
2021-03-01 02:56:35 
Abstract :
TensorFlow merpukan sebuah framework komputasional untuk membuat model machine learning. TensorFlow menyediakan berbagai toolkit yang memungkinkan untuk membuat model pada tingkat abstraksi yang disukai oleh programmer, dapat menggunakan API dengan tingkat yang lebih rendah untuk membuat model dengan menentukan serangkaian operasi matematis. Convolutional Neural Network (CNN) merupakan pengembangan dari multilayer perceptron (MLP) yang didesain untuk mengolah data dua dimensi dalam bentuk citra. Data yang digunakan yaitu data gambar kucing ras Anggora dan Persia yang dimana berjumlah 360 data yang dimana pada masing masing kucing (Anggora Putih 60, Anggora Calico 60, Anggora Hitam 60, Persia Flatnose 61, Persia Himalaya 59, Persia Peaknose 60) dengan data yang diuji 10 data dari setiap jenis ras kucing, yang mana data tersebut akan di unggah ke Custom Vision Ai untuk dilakukan pelatihan/training data. Hasil dari penelitian/pengujian ini adalah kucing Anggora Putih dengan rata-rata kecepatan 0.275 detik, dengan rata-rata tingkat akurasi 86.57%, Anggora Calico dengan rata-rata kecepatan 0.25 detik , dengan rata-rata tingkat akurasi 81%, Anggora Hitam dengan rata-rata kecepatan deteksi 0.307 detik, dengan rata rata tingkat akurasi 90.11%, Persia Flatnose dengan rata-rata kecepatan deteksi 0.24 detik, dengan rata-rata tingkat akurasi 82.20%, Persia Himalaya dengan rata-rata kecepatan deteksi 0.303 detik, dengan rata-rata tingkat akurasi 88%, Persia Peaknose dengan rata-rata kecepatan deteksi 0.276 detik, dengan rata-rata tingkat akurasi 87.69% sehingga aplikasi ini mampu mengenali gambar objek kucing yang telah ditraining/diuji dan jarak/posisi deteksi terbaik dengan jarak 10cm - 25cm dan posisi kamera lurus sejajar dengan objek gambar. Kata Kunci : Azure, Custom Vision, Gambar Kucing, Machine Learning, Tensorflow. 
Institution Info

STMIK Akakom