PENERAPAN COMPRESSIVE SENSING DAN KLASIFIKASI JENIS SAYURAN BERBASIS RASPBERRY PI MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK
SUCI RAHMADIANI

Informasi Umum

Kode

23.04.1734

Klasifikasi

006.32 - Neural networks, perceptrons, connectionism, neural computers

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Neural Networks, Sensor,

Dilihat

301 kali

Informasi Lainnya

Abstraksi

<p>Hasil panen sayur dalam jumlah banyak dapat mempersulit pengepul sayur dalam menyortir berbagai jenis sayuran untuk dilakukan penjualan kembali, oleh karena itu diperlukan pendekatan digital agar dapat mengklasifikasikan jenis-jenis sayuran dengan mudah dan cepat. Pada Tugas Akhir ini diusulkan penerapan Compressive Sensing (CS) dengan menggunakan DCT sebagai transformasi sparsitas, rekonstruksi OMP, dan invers sparsity menggunakan IDCT dalam klasifikasi jenis sayuran. Pada penelitian ini menggunakan arsitektur Alexnet dan Raspberry Pi digunakan untuk melakukan proses CS. Proses CS yang dilakukan oleh Raspberry Pi menghasilkan citra rekonstruksi yang digunakan sebagai data training, validation dan testing. Dataset yang digunakan diambil dari Kaggle yang terbagi menjadi 4 kelas yaitu brokoli, kentang, lobak dan wortel. Pada skenario pengujian tersebut diperoleh parameter terbaik yaitu rasio CS 50%, input size 256×256 piksel, optimizer SGD, learning rate 0.001 dan batch size 64. Dataset yang digunakan berjumlah 600 citra, 480 citra digunakan sebagai data training, 60 citra digunakan sebagai data validation dan 120 citra digunakan sebagai data testing. Hasil pengujian memperoleh akurasi 95.83%, loss 0.2159 , presisi 95.75%, recall 96% dan f1-score 95.87%.</p>

• TTH4N3 - KODING DAN KOMPRESI
• TTI1B3 - MATRIKS DAN RUANG VEKTOR
• TTI4V3 - PENGOLAHAN SINYAL MULTIMEDIA
• FEH3A3 - PENGOLAHAN SINYAL WAKTU DISKRIT

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook