Fernanda, Aulia Muhammad (2024) KLASIFIKASI CITRA PADA RAS KUCING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, Universitas Muhammadiyah Jember.
Text
pendahuluan.pdf Download (768kB) |
|
Text
abstrak.pdf Download (360kB) |
|
Text
bab 1.pdf Download (330kB) |
|
Text
bab 2.pdf Restricted to Repository staff only Download (648kB) | Request a copy |
|
Text
bab 3.pdf Restricted to Repository staff only Download (471kB) | Request a copy |
|
Text
bab 4.pdf Restricted to Repository staff only Download (665kB) | Request a copy |
|
Text
bab 5.pdf Restricted to Repository staff only Download (323kB) | Request a copy |
|
Text
daftar pustaka.pdf Download (326kB) |
|
Text
lampiran.pdf Restricted to Repository staff only Download (703kB) | Request a copy |
Abstract
Kucing adalah salah satu hewan peliharaan yang banyak dipelihara manusia untuk mengusir kebosanan dan sebagai teman bermain. Sebagai mamalia dari keluarga Felidae, kucing dikenal sebagai hewan yang aktif, mandiri, penyayang, dan setia. Di dunia, terdapat 315 ras kucing, dan di Indonesia, beberapa ras yang umum adalah Persia, Maine Coon, Bengal, Sphynx, American Shorthair, Domistic Shorthair, Siamese, dan Ragdoll. Namun, keberagaman ras kucing ini sering membuat pecinta kucing kesulitan dalam memilih ras yang cocok. Untuk mengatasi kesulitan ini, teknologi pengolahan citra seperti Convolutional Neural Network (CNN) dapat digunakan untuk mengklasifikasikan gambar kucing berdasarkan rasnya. Dalam penelitian ini menggunakan arsitektur VGG-16 dari CNN untuk mengklasifikasikan lima ras kucing yaitu: Bengal, Domestic Shorthair, Maine Coon, Ragdoll, dan Siamese. Dalam penelitian ini menghasilkan akurasi keseluruhan sebesar 75%. Akurasi per kelas untuk kelas Bengal adalah 94%, Maine Coon 93%, Ragdoll 89%, Domestic Shorthair 86%, dan Siamese 85%. Presisi per kelas mencapai 88% untuk Bengal, 78% untuk Maine Coon, 77% untuk Siamese 76% untuk Ragdoll, dan 59% untuk Domestic Shorthair. Sedangkan recall per kelas adalah 95% untuk Maine Coon, 83% untuk Bengal, 76% untuk Domestic Shorthair, 76% untuk Ragdoll, dan 48% untuk Siamese.
Item Type: | Thesis (Undergraduate) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Uncontrolled Keywords: | ras, kucing, Convolutional Neural Network, VGG-16 | |||||||||
Subjects: | 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science | |||||||||
Divisions: | Faculty of Engineering > Department of Informatics Engineering (S1) | |||||||||
Department: | S1 Teknik Informatika | |||||||||
Depositing User: | Aulia Muhammad Fernanda | |||||||||
Contributors: |
|
|||||||||
Contact Email Address: | nandaputra11109@gmail.com | |||||||||
Date Deposited: | 31 Jul 2024 01:20 | |||||||||
Last Modified: | 31 Jul 2024 01:20 | |||||||||
URI: | http://repository.unmuhjember.ac.id/id/eprint/22827 |
Actions (login required)
View Item |