Penulis Utama : Yudha Ega Prasetya
NIM / NIP : M0518069
×

Penelitian ini bertujuan untuk mengevaluasi tingkat akurasi dari model Convolutional Neural Network (CNN) pre-trained yang dilatih kembali dengan metode transfer learning, dalam hal klasifikasi dan pencarian citra, dengan data yang digunakan berupa data citra batik. Model CNN digunakan dalam proses klasifikasi dan ekstrasi fitur dari citra batik, dilanjutkan dengan proses kompresi fitur dengan menggunakan metode Principal Component Analysis (PCA) dan Locality Sensitive Hashing (LSH). Fitur yang didapat akan digunakan dalam proses pencarian citra yang didasarkan dari jarak metric antar fitur tersebut. Hasil pencarian citra berupa 16 citra lain yang ada pada dataset citra batik dengan tingkat kemiripan tertinggi dengan citra input. Dalam hal klasifikasi citra, didapatkan tingkat akurasi antara 96.7% hingga 100%. Sedangkan dalam hal pencarian citra, didapatkan tingkat akurasi 98.16% tanpa LSH dan 92.5% dengan LSH.
Keywords: CNN, Pre-trained CNN Model, Transfer Learning, Image Classification, Image Retrieval, Feature Extraction, PCA, LSH.

×
Penulis Utama : Yudha Ega Prasetya
Penulis Tambahan : -
NIM / NIP : M0518069
Tahun : 2022
Judul : Klasifikasi Dan Sistem Pencarian Citra Batik Berbasis Konten Menggunakan Convolutional Neural Network (CNN)
Edisi :
Imprint : Surakarta - Fak. MIPA - 2022
Program Studi : S-1 Informatika
Kolasi :
Sumber :
Kata Kunci : CNN, Pre-trained CNN Model, Transfer Learning, Image Classification, Image Retrieval, Feature Extraction, PCA, LSH.
Jenis Dokumen : Skripsi
ISSN :
ISBN :
Link DOI / Jurnal : -
Status : Public
Pembimbing : 1. Heri Prasetyo, S.Kom, MSc.Eng, PhD
2. Esti Suryani, S.Si.,M.Kom.
Penguji : 1. Dr. Umi Salamah, S.Si., M.Kom.
2. Dr. Wisnu Widiarto, S.Si., M.T.
Catatan Umum : tidak ada DOI/DOI Invalid
Fakultas : Fak. MIPA
×
Halaman Awal : Harus menjadi member dan login terlebih dahulu untuk bisa download.
Halaman Cover : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB I : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB II : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB III : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB IV : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB V : Harus menjadi member dan login terlebih dahulu untuk bisa download.
BAB Tambahan : Harus menjadi member dan login terlebih dahulu untuk bisa download.
Daftar Pustaka : Harus menjadi member dan login terlebih dahulu untuk bisa download.
Lampiran : Harus menjadi member dan login terlebih dahulu untuk bisa download.