Vannesa, Nadia (2020) TA: I-DRESSING ROOM: IMPLEMENTASI MODEL GOOGLENET UNTUK MEMBANTU PENDERITA TUNANETRA DALAM MEMILIH PAKAIAN MENGGUNAKAN RASPBERRY PI. Skripsi thesis, Institut Teknologi Nasional Bandung.
|
Text (Cover)
01 Cover 152015086.pdf Download (877kB) | Preview |
|
|
Text (Abstrak)
02 Abstrak 152015086.pdf Download (616kB) | Preview |
|
|
Text (Daftar Isi)
03 Daftar Isi 152015086.pdf Download (1MB) | Preview |
|
|
Text (Bab 1)
04 Bab 1 152015086.pdf Download (840kB) | Preview |
|
|
Text (Bab 2)
05 Bab 2 152015086.pdf Download (3MB) | Preview |
|
|
Text (Daftar Pustaka)
06 Daftar Pustaka 152015086.pdf Download (643kB) | Preview |
Abstract
Tunanetra merupakan kondisi dimana seseorang mengalami kondisi cacat penglihatan yang dapat menyebabkan terhambatnya segala aktivitas kehidupan yang salah satunya memilih pakaian. Meskipun indera penglihatanya mengalami cacat akan tetapi indera pendengaran dapat dimaksimalkan untuk membantu aktivitas kehidupan. Teknologi identifikasi citra atau disebut juga klasifikasi citra merupakan suatu pendekatan yang berfungsi untuk mengenali suatu objek citra yang dapat membantu penderita tunanetra dalam memilih pakaian yang diinginkannya. Salah satu algoritma yang dapat digunakan untuk mengidentifikasi citra adalah CNN GoogLeNet yang terdiri dari 22 layer proses konvolusi, pooling, dan normalization. Dengan bantuan teknologi identifikasi citra yang bentuk keluarannya direpresentasikan dalam bentuk suara dapat menjadi salah satu solusi untuk dapat membantu tunanetra dalam memilih pakaian yang diinginkannya. Pada proses training menggunakan 16800 data training. Konfigurasi training menggunakan learning rate 0.001, batch size 64, 50 epoch, 100 epoch, adam optimizer, dan SGD Nesterov momentum optimizer. Model terbaik didapat pada konfigurasi learning rate 0.001, batch size 64, 100 epoch dan SGD Nesterov momentum optimizer dengan accuracy 91.02% dan loss 32.28%. Kemudian pada pengujian yang telah dilakukan menggunakan 2100 data testing. Kinerja model terbaik memiliki precision 90.24%, recall 99.95%, accuracy 90.24%, dan f1 scores 94.74% yang dibentuk selama 100 epoch menggunakan SGD Nesterov Momentum Optimizer. Kata kunci: Tunanetra, Klasifikasi Citra, CNN, GoogLeNet
| Item Type: | Thesis (Skripsi) | ||||||
|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||
| Divisions: | 1 Fakultas Teknologi Industri > 55201 Teknik Informatika S1 | ||||||
| Depositing User: | Erma Sukmaida | ||||||
| Date Deposited: | 06 Apr 2021 09:00 | ||||||
| Last Modified: | 05 May 2021 06:07 | ||||||
| URI: | http://eprints.itenas.ac.id/id/eprint/1333 |
Actions (login required)
 |
View Item |