24.04.3248
006.32 - Neural networks, perceptrons, connectionism, neural computers
Karya Ilmiah - Skripsi (S1) - Reference
Information System
213 kali
Pencatatan stok bahan makanan secara manual seringkali menjadi tugas yang memakan waktu, rentan terhadap kesalahan, dan tidak efisien. Diperlukan solusi inovatif untuk mengatasi permasalahan ini, salah satunya melalui implementasi <em>object recognition</em> menggunakan algoritma Convolutional Neural Network (CNN) pada bahan makanan rumah tangga. Model dengan algoritma CNN ini dapat mengenali bahan makanan, untuk mengoptimalkan pencatatan stok bahan makanan. Penelitian ini membandingkan dua arsitektur model dengan jumlah <em>filter </em>yang berbeda pada <em>convolutional layer </em>dengan tujuan untuk menemukan model terbaik. Pada dua model yang telah diuji, model 1 menunjukkan performa dengan akurasi 0,942, <em>recall </em>0,942, <em>precision </em>0,944 dan f1-<em>score </em>0,942, sedangkan model 2 memiliki akurasi 0,943, <em>recall </em>0,943, <em>precision </em>0,944 dan f1-<em>score </em>0,942. Model 2 memiliki akurasi dan <em>recall </em>yang lebih tinggi dibandingkan dengan model 1. Ini menunjukkan
Tersedia 1 dari total 1 Koleksi
Nama | MUHAMMAD AKMAL DZIKRI FADILLAH |
Jenis | Perorangan |
Penyunting | Riska Yanu Fa'rifah, Ekky Novriza Alam |
Penerjemah |
Nama | Universitas Telkom, S1 Sistem Informasi |
Kota | Bandung |
Tahun | 2024 |
Harga sewa | IDR 0,00 |
Denda harian | IDR 0,00 |
Jenis | Non-Sirkulasi |