KLASIFIKASI SENJATA TRADISIONAL JAWA TIMUR MENGGUNAKAN PENGOLAHAN CITRA DIGITAL DENGAN METODE CONVOLUTIONAL NEURAL NETWORK
Abstract
Senjata tradisional Jawa Timur pada jurnal ini di klasifikasikan dengan pengolahan citra digital dengan metode Convolutional Neural Network. Dataset pada jurnal ini mempunyai gambar senjata tradisional Jawa Timur berjumlah 696 dengan dibagi 3 bagian yaitu test set, validation, dan train. Hasil percobaan menampilkan adanya performa model dengan peningkatan konsisten walaupun nilainya tidak sampai melebihi dari 0.9759 untuk validasi akurasinya. Model evaluasi dengan nilai loss rendah tetap mendapatkan akurasi 98,21%. Laporan klasifikasi hanya kelas kudi dengan performa baik sedangkan pada kelas celurit dan keris mengalami kekurangan.
References
D. T. Ananto Et Al., “Edukasi Dan Pelatihan Pengenalan Machine Learning Dan Computer Vision Untuk Mengeksplorasi Potensi Visual.” [Online]. Available: Http://Jurnal.Umj.Ac.Id/Index.Php/Semnaskat
R. R. Karim, “Implementasi Klasifikasi Senjata Tradisional Jawa Barat Menggunakan Convolutional Neural Network (Cnn) Dengan Metode Transfer Learning,” Jurnal Informatika Dan Teknik Elektro Terapan, Vol. 12, No. 2, Apr. 2024, Doi: 10.23960/Jitet.V12i2.4166.
D. P. Pratiwi, H. Iswandi, And Y. Yulius, “Perancangan Komunikasi Visual Pengenalan Senjata Tradisional Sumatera Selatan”, [Online]. Available: Http://Www.Adatnusantara.Web.Id/2017/08/Senjata-
D. Okta Alvira And R. Maulana Fajri, “Klasifikasi Lapisan Lilin Pada Buah Apel Menggunakan Pengolahan Citra Digital Dengan Metode Convolutional Neural Network.”
N. Siagian, “Perancangan Aplikasi Pengolahan Citra Digital Untuk Penajaman Sisi Citra Hasil Fingerprint Menggunakan Metode Fourier Phase Only Synthesis,” Teknologi Dan Informasi, Vol. 1, No. 2, Pp. 66–75, 2023, [Online]. Available: Https://Journal.Grahamitra.Id/Index.Php/Jurikti
R. Kurniawan, P. B. Wintoro, Y. Mulyani, And M. Komarudin, “Implementasi Arsitektur Xception Pada Model Machine Learning Klasifikasi Sampah Anorganik,” Jurnal Informatika Dan Teknik Elektro Terapan, Vol. 11, No. 2, Apr. 2023, Doi: 10.23960/Jitet.V11i2.3034.
H. Pangaribuan, “Implementasi Aplikasi E-Wallet Untuk Umkm Menggunakan Metode Agile Dengan Qr Code Pada Tensorflow Berbasis Android,” Jurnal Comasie, Vol. 08, No. 1, 2023.
Q. N. Azizah, “Klasifikasi Penyakit Daun Jagung Menggunakan Metode Convolutional Neural Network Alexnet,” Sudo Jurnal Teknik Informatika, Vol. 2, No. 1, Pp. 28–33, Feb. 2023, Doi: 10.56211/Sudo.V2i1.227.
F. Ramadhani, A. Satria, And S. Salamah, “Implementasi Algoritma Convolutional Neural Network Dalam Mengidentifikasi Dini Penyakit Pada Mata Katarak,” Sudo Jurnal Teknik Informatika, Vol. 2, No. 4, Pp. 167–175, Dec. 2023, Doi: 10.56211/Sudo.V2i4.408.
Nabila Asryani Sundari, “Klasifikasi Jenis Kulit Wajah Menggunakan Metode Covolutional Neural Network (Cnn) Efficientnet-B0 Skin Classification System Using Convolutional Neural Network (Cnn) Efficientnet-B0,” Bandung, 2022.
An author who publishes in the Jurnal Teknik Elektro (JTE) agrees to the following terms:
Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Submission of a manuscript implies that the submitted work has not been published before (except as part of a thesis, report, or abstract); that it is not under consideration for publication elsewhere; that its publication has been approved by all co-authors. If and when the manuscript is accepted for publication, the author(s) still hold the copyright and retain publishing rights without restrictions. For the new invention, authors are suggested to manage its patent before publication. The license type is CC-BY-SA 4.0.
Jurnal Teknik Elektro (JTE)is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.