Fajri, Rahmatul and Nugraha, Sapta and Kusuma, Hollanda Arief (2023) IMPLEMENTASI DEEP LEARNING MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DALAM KLASIFIKASI GAMBAR WARNA BOLA PELAMPUNG. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) Rahmatul Fajri_180120201035_Teknik Elektro_COVER.pdf Download (913kB)
	Text (Abstrak) Rahmatul Fajri_180120201035_Teknik Elektro_ABSTRAK.pdf Download (156kB)
	Text (BAB 1) Rahmatul Fajri_180120201035_Teknik Elektro_BAB 1.pdf Download (159kB)
	Text (Daftar Pustaka) Rahmatul Fajri_180120201035_Teknik Elektro_DAFTAR PUSTAKA.pdf Download (286kB)
	Text (Full Teks) Rahmatul_180120201035_Teknik Elektro_FULL TEKS.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Kontes Kapal Cepat Tak Berawak Nasional (KKCTBN) merupakan kompetisi pelajar tingkat nasional yang diselenggarakan oleh Kementerian Pendidikan dan Kebudayaan Nasional. Salah satu devisi kompetisi adalah Kapal Cepat Tak Berawak atau dikenal dengan ASV. ASV memiliki misi untuk melewati lintasan yang telah ditentukan secara otomatis menggunakan sensor kamera. Tantangan ASV adalah menyeberangi lintasan hingga selesai dengan input mendeteksi pelampung hijau dan pelampung merah. Pendekatan yang digunakan untuk mengklasifikasikan objek dan warna adalah Deep Learning. Deep Learning adalah algoritme yang menggunakan jaringan saraf tiruan untuk menyelesaikan pengenalan pola, pemrosesan gambar, dan masalah lainnya. Salah satu metode deep learning dalam klasifikasi citra yaitu Convolutional Neural Network (CNN). CNN digunakan untuk deteksi tepi, mengekstraksi properti visual sederhana seperti frekuensi spasial, orientasi, dan warna, mendeteksi fitur objek, dan pengenalan objek. CNN memiliki tiga layer, yaitu Convolutional Layer, Pooling Layer, dan Fully Connected Layer. Arsitektur CNN yang digunakan dalam penelitian ini adalah 3 Convolution Layers, 3 Pooling Layers, dan Fully Connected Layers dengan aktivasi sigmoid. Pada penelitian ini digunakan 500 dataset citra yang diperoleh akurasi pelatihan sebesar 99,98% dan loss sebesar 0,02%. Hasil pengujian model dengan menggunakan confusion matrix adalah 73%. Pengujian klasifikasi citra terhadap 30 data diperoleh akurasi sebesar 100%. CNN dalam penelitian ini mempelajari warna pada bola pelampung. Sehingga CNN dapat mengklasifikasikan warna bola pelampung dengan intensitas dan kondisi cahaya yang berbeda dengan cukup baik. Penelitian ini perlu mengembangkan klasifikasi secara real time.

Actions (login required)

View Item