ROBBANI, JAMALUDDIN (2024) PERBANDINGAN OPTIMISASI ADAM, SGD DAN RMSPROP DALAM KLASSIFIKASI CITRA JENIS BERAS MENGGUNAKAN ARSITEKTUR MOBILENET V2. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (538kB) | Preview |
|
|
Text (ABSTRAK)
02 ABSTRAK.pdf Download (37kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
03 BAB 1.pdf Restricted to Registered users only Download (130kB) |
|
|
Text (BAB II)
04 BAB 2.pdf Restricted to Registered users only Download (242kB) |
|
|
Text (BAB III)
05 BAB 3.pdf Restricted to Registered users only Download (93kB) |
|
|
Text (BAB IV)
06 BAB 4.pdf Restricted to Registered users only Download (336kB) |
|
|
Text (BAB V)
07 BAB 5.pdf Restricted to Registered users only Download (30kB) |
|
|
Text (DAFTAR PUSTAKA)
08 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (133kB) |
|
|
Text (LAMPIRAN)
09 LAMPIRAN.pdf Restricted to Registered users only Download (1MB) |
Abstract
Food is a basic need for living creatures and plays an important role in the lives of Indonesian people. One of the foodstuffs which is the staple food of Indonesian society is rice. However, the diversity of types of rice currently available has caused several problems in society, including difficulties in identifying types of rice. This can be caused by the similarities between rice varieties in Indonesia. Therefore, a system is needed that can help the public identify various types of rice more accurately and clearly. This research focuses on comparing the ADAM, SGD and RMSProp optimizers in detecting rice types using the MobileNet V2 architecture. The dataset used consists of images of rice which are classified into several categories based on their type. The aim of this research is to develop a model that can accurately identify types of rice and utilize deep learning techniques for image analysis. The results of this research show that the ADAM optimizer got the highest score compared to the other two optimizers with an accuracy value of 83%, precision 87%, recall 84% and f1-score 81%. This shows that this optimizer is most suitable for use in the MobileNet architecture compared to the other two optimizers. Bahan pangan merupakan kebutuhan dasar bagi makhluk hidup dan berperan penting dalam kehidupan masyarakat Indonesia. Salah satu bahan pangan yang merupakan makanan pokok masyarakat Indonesia adalah beras. Namun, keragaman jenis beras yang ada saat ini telah menyebabkan beberapa permasalahan di masyarakat, termasuk kesulitan dalam mengidentifikasi jenis beras. Hal ini dapat disebabkan oleh adanya kemiripan antara varietas beras yang ada di Indonesia. Karena itu, diperlukan sistem yang dapat membantu masyarakat dalam melakukan identifikasi berbagai jenis beras dengan lebih akurat dan jelas. Penelitian ini berfokus pada melakukan perbandingan optimizer ADAM, SGD dan RMSProp dalam deteksi jenis beras menggunakan arsitektur MobileNet V2. Dataset yang digunakan merupakan dataset milik Badan Pangan Nasional (BPN) yang terdiri dari gambar-gambar beras yang diklasifikasikan ke dalam beberapa kategori berdasarkan jenisnya. Tujuan dari penelitian ini adalah untuk mengembangkan model yang dapat mengidentifikasi jenis beras secara akurat dan memanfaatkan teknik deep learning untuk analisis citra. Hasil dari penelitian ini menunjukkan bahwa optimizer ADAM mendapatkan nilai paling tinggi dibandingkan dengan dua optimizer yang lain dengan nilai akurasi sebesar 83%, precision 87%, recall 84% dan f1-score 81%. Hal ini menunjukkan bahwa optimizer ini paling cocok untuk digunakan dalam arsitektur MobileNet dibandingkan dengan dua optimizer yang lain.
| Item Type: | Thesis (S1) |
|---|---|
| Call Number CD: | FIK/INFO. 24 196 |
| NIM/NIDN Creators: | 41520010224 |
| Uncontrolled Keywords: | Deteksi jenis beras, MobileNet, ADAM, SGD, RMSProp, Pengolahan Citra. |
| Subjects: | 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum 000 Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 000. Computer Science, Information and General Works/Ilmu Komputer, Informasi, dan Karya Umum > 004 Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika |
| Divisions: | Fakultas Ilmu Komputer > Informatika |
| Depositing User: | ANANDA NADIRA PUTRI |
| Date Deposited: | 06 Sep 2024 08:30 |
| Last Modified: | 06 Sep 2024 08:30 |
| URI: | http://repository.mercubuana.ac.id/id/eprint/91236 |
Actions (login required)
 |
View Item |
