IMPLEMENTASI MODEL CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN ARSITEKTUR ALEXNET, VGG-16 DAN VGG-19

Regita, Rose Prameswari (2024) IMPLEMENTASI MODEL CONVOLUTIONAL NEURAL NETWORK MENGGUNAKAN ARSITEKTUR ALEXNET, VGG-16 DAN VGG-19. MATEMATIKA DAN ILMU PENGETAHUAN ALAM , UNIVERSITAS LAMPUNG .

Preview	File PDF ABSTRAK - regita rose prameswari.pdf Download (4Mb) | Preview
	File PDF SKRIPSI FULL - regita rose prameswari.pdf Restricted to Hanya staf Download (4Mb) | Minta salinan
Preview	File PDF SKRIPSI TANPA BAB PEMBAHASAN - regita rose prameswari.pdf Download (4Mb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Perkembangan teknologi dari tahun ke tahun berkembang semakin pesat contohnya dalam bidang artificial intelegent. Seperti saat ini penggunaan AI dapat di temui dalam cabang ilmu deep learning yang salah satunya adalah CNN. Convolutional Neural Network atau CNN adalah salah satu model yang ada didalam deep learning yang sering digunakan untuk proses pengenalan dan pengolahan informasi pada citra. Seperti pada penelitian yang dilakukan ini, membuat suatu sistem absensi pengenalan wajah yang memakai model CNN. Penelitian ini berfokus untuk membandingkan ketiga arsitektur yang digunakan yaitu VGG-16, VGG-19 dan Alexnet. Perbandingan yang dilakukan yaitu mencari hasil terbaik dalam menggenalisir wajah dari dataset yang digunakan. Dari proses training, diketahui hasil akurasi terbaik dari masing-masing arsitektur 99% untuk VGG-16, 98% untuk VGG-19 dan untuk Alexnet sebesar 94%. Pengujian pada model menggunakan confusion matrix dengan hasil akurasi terbaik yaitu pada VGG-16 yang mencapai 98%. Penelitian ini menggunakan metode pengembangan sistem personal extreme programming (PXP). Didalam metode PXP terdapat proses pengujian sistem yang menggunakan system usability scale (SUS) yang mengutamakan kebergunaan dari sistem. Dengan hasil pengujian sistem yang dinilai acceptable dengan nilai mencapai 79.25. Kata kunci : VGG-16, VGG-19, Alexnet, Personal Extreme Programming Technological developments from previous years have grown more rapidly, for example in the field of artificial intelligence. Currently, the use of AI can be found in the branch of deep learning, one of which is CNN. Convolutional Neural Network or CNN is a model in deep learning which is often used for the process of recognizing and processing information in images. As in the research carried out, creating a facial recognition attendance system that uses the CNN model. This research focuses on comparing the three architectures used, namely VGG-16, VGG- 19 and Alexnet. The comparison carried out is to find the best results in analyzing faces from the dataset used. From the training process, it is known that the best accuracy results for each architecture are 99% for VGG-16, 98% for VGG-19 and 94% for Alexnet. Testing on the model used a confusion matrix with the best accuracy results, namely on VGG-16 which reached 98%. This research uses the personal extreme programming (PXP) system development method. In the PXP method there is a system testing process that uses a system usability scale (SUS) which prioritizes the usability of the system. With the system test results which were considered acceptable with a value of 79.25. Keywords : VGG-16, VGG-19, Alexnet, Personal Extreme Programming

Jenis Karya Akhir:	Skripsi
Subyek:	500 ilmu pengetahuan alam dan matematika
Program Studi:	FAKULTAS MIPA > Prodi Ilmu Komputer
Pengguna Deposit:	. . Yulianti
Date Deposited:	21 Feb 2025 06:54
Terakhir diubah:	21 Feb 2025 06:54
URI:	http://digilib.unila.ac.id/id/eprint/84894

Actions (login required)

Lihat Karya Akhir