DETAIL DOCUMENT
MACHINE LEARNING PENGENALAN CITRA DIGITAL BERBASIS SOFTWARE AS A SERVICE (SaaS) THE MACHINE LEARNING OF DIGITAL IMAGE RECOGNITION BASE ON SOFTWARE AS A SERVICE (SAAS)
Total View This Week0
Institusion
Universitas Hasanuddin
Author
ANDI LUKMAN (STUDENT ID : P2700211434)
Dr.Eng. Syafaruddin Syafaruddin, S.T, M.Eng (LECTURER ID : 0030057407)
Subject
T Technology (General) 
Datestamp
2021-11-01 05:33:52 
Abstract :
DI LUKMAN. Machine Learning Pengenalan Citra Digital Berbasis Software as A Service (SaaS) (dibimbing oleh Dr.Eng. Syafaruddin, ST., M.Eng dan Merna Baharuddin, ST., M.Tel.Eng, Ph.D) Aplikasi Pengenalan citra pada umumnya dirancang untuk kebutuhan khusus objek penelitian tertentu dan tidak dapat digunakan secara multiuser. Penelitian ini bertujuan membangun aplikasi Machine Learning pengenalan citra digital sebagai alat bantu bagi pengguna untuk mendapatkan algoritma klasifikasi terbaik dalam mengenali objek citra digital. Aplikasi dapat digunakan secara langsung di cloud tanpa proses instalasi dan bersifat multiuser menggunakan teknologi Software as a Service (SaaS). Algoritma yang digunakan dalam penelitian ini adalah algoritma klasifikasi Machine Learning WEKA yaitu :Support Vector Machine, K-Nearest Neighbor, Naïve Bayes, C4.5 Decision Tree, Logistic Regression dan Random Forest. Data set yang digunakan diambil dari California Institute of Technology bernama Caltech 101. Teknik dokumentasi menggunakan diagram Unified Modeling Language. Aplikasi dibangun menggunakan bahasa pemrograman java, untuk sisi client menggunakan Google Web Toolkit dan sisi server menggunakan Java Servlet. Aplikasi di-deploy ke Google App Engine. 4 bagian utama aplikasi yaitu Login, Overview, Pra-proses dan latih_uji_pengenalan. Pengguna dapat menggunakan aplikasi hanya bermodalkan web browser secara online tanpa perlu melakukan instalasi aplikasi. Aplikasi sukses dalam pengujian blackbox dan pengujian keberhasilan algoritma-algoritma machine learning dalam mengenali citra. Algoritma Logistic Regression mempunyai tingkat keberhasilan tertinggi yaitu 95%, 90% untuk kelas yes dan 100% untuk kelas no dalam mengenali wajah. Kata Kunci : Machine Learning, Pengenalan, Citra digital, Software As a Service, Algoritma Klasifikasi WEKA, Google App Engine. 
Institution Info

Universitas Hasanuddin