FARISY, DZIKRI ADAM INSANI (2024) KLASIFIKASI RUMAH WARGA PENERIMA BANTUAN TUNAI LANGSUNG MENGGUNAKAN EFFICIENET DI PROVINSI DKI JAKARTA. S1 thesis, Universitas Mercu Buana Jakarta.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (TALK)
TALK+41520010063+DZIKRIADAMINSANIFARISY.pdf Restricted to Registered users only Download (1MB) |
Abstract
This study investigates the application of the EfficientNet architecture for image classification to determine eligible recipients of direct cash assistance among households in Jakarta Province. As government efforts to provide aid to citizens increase, it becomes essential to have a system that can accurately recognize and classify eligible populations. Misallocation of aid remains a prevalent issue, often leading to undeserving individuals receiving assistance, which has detrimental consequences. The primary focus is on leveraging deep learning, specifically EfficientNet, to address these challenges. The dataset used consists of house images categorized into two classes: "Mampu" and "Tidak Mampu," which were collected through personal photography and web scraping from Google. The research aims to develop an algorithm that accurately classifies and analyzes the types and eligibility of residential buildings within the general population. Data collection and processing challenges are addressed to ensure the training of high-quality, representative image datasets. The model has demonstrated a high accuracy rate of approximately 95.03% on the validation data. Kata Kunci : Image Processing, Efficienet, Neural Network Studi ini menyelidiki penerapan arsitektur EfficientNet untuk klasifikasi gambar guna menentukan penerima yang layak mendapatkan bantuan tunai langsung di antara rumah tangga di Provinsi DKI Jakarta. Seiring dengan meningkatnya upaya pemerintah untuk memberikan bantuan kepada warga, sangat penting memiliki sistem yang dapat mengenali dan mengklasifikasikan populasi yang memenuhi syarat dengan akurat. Salah alokasi bantuan tetap menjadi masalah yang sering terjadi, sering kali mengakibatkan individu yang tidak layak menerima bantuan, yang berdampak merugikan. Fokus utama penelitian ini adalah memanfaatkan pembelajaran mendalam, khususnya EfficientNet, untuk mengatasi tantangan ini. Dataset yang digunakan terdiri dari gambar rumah yang dikategorikan menjadi dua kelas: "Mampu" dan "Tidak Mampu," yang dikumpulkan melalui fotografi pribadi dan scraping gambar dari Google. Penelitian ini bertujuan mengembangkan algoritma yang mampu mengklasifikasikan dan menganalisis jenis dan kelayakan bangunan tempat tinggal dalam populasi umum dengan akurat. Tantangan terkait pengumpulan dan pemrosesan data diatasi untuk memastikan pelatihan dataset gambar yang berkualitas tinggi dan representatif. Model ini telah menunjukkan tingkat akurasi tinggi sekitar 95,03% pada data validasi. Kata Kunci : Image Processing, Efficienet, Neural Network
Actions (login required)
 |
View Item |
