Analisis Perbandingan CNN Model Xception Dan InceptionV3 Dalam Pengklasifikasian Rambu Lalu Lintas Di Indonesia - Dalam bentuk buku karya ilmiah
BIMAYUDHA AL-FATTAH
Informasi Umum
Kode
25.04.569
Klasifikasi
000 - General Works
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Deep Learning
Dilihat
132 kali
Informasi Lainnya
Abstraksi
Permasalahan ketidakpatuhan terhadap rambu lalu lintas di Indonesia menjadi salah satu penyebab utama kecelakaan lalu lintas. Perilaku pengemudi yang sering mengabaikan rambu, seperti mendahului kendaraan tanpa memastikan keamanan. Penelitian ini menggunakan pendekatan berbasis <i>Deep Learning</i> dengan membandingkan dua arsitektur <i>Convolutional Neural Network</i>s (CNN) populer, yaitu <i>InceptionV3</i> dan <i>Xception</i>, untuk klasifikasi rambu lalu lintas di Indonesia. Kedua model diuji untuk mengevaluasi performa dalam mengenali berbagai rambu dengan fitur visual yang berbeda. Arsitektur <i>Xception</i> menunjukkan stabilitas yang lebih baik dalam mengklasifikasikan sebagian besar kelas, dengan akurasi tertinggi mencapai 91,43% pada percobaan kedua. Namun, model ini masih memiliki tantangan dalam mengenali rambu dengan fitur yang lebih kompleks. Di sisi lain, <i>InceptionV3</i> memiliki akurasi tertinggi 91,74% pada beberapa kelas tertentu, tetapi menunjukkan variabilitas lebih besar pada kelas-kel
- CII4E4 - TUGAS AKHIR
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | BIMAYUDHA AL-FATTAH |
| Jenis | Perorangan |
| Penyunting | Bedy Purnama, Gamma Kosala |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2025 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
