Implementasi Principal Component Analysis dan Convolutional Neural Network untuk Klasifikasi Merek Mobil

Haensel, Gilbert (2022) Implementasi Principal Component Analysis dan Convolutional Neural Network untuk Klasifikasi Merek Mobil. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (417kB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (67kB) | Preview
Preview	PDF BAB_I.pdf Download (71kB) | Preview
Preview	PDF BAB_II.pdf Download (168kB) | Preview
Preview	PDF BAB_III.pdf Download (290kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
Preview	PDF BAB_V.pdf Download (55kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (214kB)

Abstract

Vehicle Make and Model Recognition (VMMR) merupakan salah satu kategori pada Intelligent Transportation System yang digunakan untuk solusi dalam manajemen dan kontrol lalu lintas. VMMR digunakan dalam membantu dalam mendeteksi merek dan model dari suatu kendaraan. Banyaknya merek mobil serta penga- matan yang dilakukan secara bersamaan pada beberapa layar membuat identifikasi merek dan mobil dari suatu kendaraan menjadi sulit. Diperlukan suatu metode untu melakukan identifikasi tersebut. Metode yang digunakan klasifikasi gambar dengan menggunakan Convolutional Neural Network (CNN) dan Principal Com- ponent Analysis (PCA). Model yang digunakan untuk melakukan ekstraksi fitur menggunakan EfficientNetB0 dimana model tersebut dilatih terlebih dahulu untuk memperbarui bobot. Selanjutnya digunakan kembali untuk ekstraksi fitur dan PCA untuk mereduksi dimensi. Hasil penelitian menunjukkan penggunaan PCA sebagai reduksi dimensi dapat mempercepat waktu pelatihan mencapai 3.87 kali diband- ingkan tanpa menggunakan PCA dan dapat mempertahankan akurasi. Pelatihan diulang sebanyak 3 kali serta menggunakan GPU dengan tipe NVIDIA Tesla T4. Metode validasi menggunakan split validation dimana dari seluruh dataset digu- nakan 50% untuk data latih, 40% data tes, dan 10% data validasi. Waktu latih model yaitu 90 detik dan akurasi 96.90%, presisi, recall, dan skor F1 dengan nilai 97%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Convolutional Neural Network, Intelligent Transportation System, klasifikasi merek mobil, Principal Component Analysis, Vehicle Make and Model Recognition
Subjects:	600 Technology (Applied Sciences) > 650 Management and Public Relations > 658 General management (Risk Management, Profit and Loss, Logistics) > 658.3 Personnel, Staff, Employee, Human Resource Management, Training > 658.306 Job Analysis 600 Technology (Applied Sciences) > 650 Management and Public Relations > 658 General management (Risk Management, Profit and Loss, Logistics) > 658.5 Management of Production > 658.56 Management Product Analysis 600 Technology (Applied Sciences) > 650 Management and Public Relations > 658 General management (Risk Management, Profit and Loss, Logistics) > 658.8 Mall, Shopping Center, E-Commerce > 658.83 Market Research, Market Analysis
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	20 Jul 2022 07:09
Last Modified:	24 Aug 2023 05:57
URI:	https://kc.umn.ac.id/id/eprint/22517

Actions (login required)

View Item