Implementasi Deep Learning Menggunakan Convolutional Neural Network Untuk Klasifikasi Citra Candi Berbasis Gpu

Danukusumo, Kefin Pudi (2017) Implementasi Deep Learning Menggunakan Convolutional Neural Network Untuk Klasifikasi Citra Candi Berbasis Gpu. S1 thesis, UAJY.

[img] Text (Haaman Judul)
TF074990.pdf

Download (792kB)
[img] Text (Bab I)
TF074991.pdf

Download (218kB)
[img] Text (Bab II)
TF074992.pdf

Download (217kB)
[img] Text (Bab III)
TF074993.pdf

Download (657kB)
[img] Text (Bab IV)
TF074994.pdf
Restricted to Registered users only

Download (737kB)
[img] Text (Bab V & Bab VI)
TF0749956.pdf
Restricted to Registered users only

Download (2MB)

Abstract

Klasifikasi citra merupakan salah satu permasalahan dalam Computer Vision dan hal yang sering sekali dipakai untuk mendeteksi objek dalam suatu citra. Klasifikasi citra sendiri dapat dibilang merupakan perkerjaan yang sangat sulit untuk dilakukan oleh komputer. Untuk mempermudah pekerjaan komputer dalam mengklasifikasi, perlu diimplementasikan teknik Deep Learning dengan menggunakan metode Convolutional Neural Network (CNN). Pada dasarnya metode CNN adalah arsitektur jaringan syaraf tiruan yang lebih efektif untuk klasifikasi citra. Konsep utama CNN sendiri terdapat pada operasi konvolusi yang dimilikinya, dimana suatu citra akan diekstrasi setiap fiturnya agar terbentuk beberapa pola yang akan lebih mudah untuk diklasifikasi. Proses pelatihan dengan CNN akan membutuhkan komputasi yang sangat berat serta waktu yang lama, untuk itu penggunaan performa GPU sangatlah dibutuhkan untuk mempercepat waktu pelatihan. Hasil pengujian yang optimal terhadap citra candi menunjukan akurasi sebesar 98,99% pada training set dan 85,57% pada test set dengan waktu pelatihan mencapai 389,14 detik. Sehingga dapat disimpulkan bahwa teknik Deep Learning dengan CNN mampu melakukan klasifikasi citra candi dengan sangat baik.

Item Type: Thesis (S1)
Uncontrolled Keywords: Klasifikasi Citra, Deep Learning, Convolutional Neural Network, GPU
Subjects: Teknik Informatika > Soft Computing
Divisions: Fakultas Teknologi Industri > Teknik Informatika
Depositing User: Editor UAJY
Date Deposited: 25 Sep 2017 12:41
Last Modified: 28 Sep 2017 09:27
URI: http://e-journal.uajy.ac.id/id/eprint/12425

Actions (login required)

View Item View Item