MACHINE LEARNING PENGENALAN CITRA DIGITAL BERBASIS SOFTWARE AS A SERVICE (SaaS) THE MACHINE LEARNING OF DIGITAL IMAGE RECOGNITION BASE ON SOFTWARE AS A SERVICE (SAAS)


LUKMAN, ANDI (2013) MACHINE LEARNING PENGENALAN CITRA DIGITAL BERBASIS SOFTWARE AS A SERVICE (SaaS) THE MACHINE LEARNING OF DIGITAL IMAGE RECOGNITION BASE ON SOFTWARE AS A SERVICE (SAAS). Thesis thesis, Universitas Hasanuddin.

[thumbnail of bab 1-2] Text (bab 1-2)
andilukman-2352-1-13-andi-4 1-2.pdf

Download (1MB)
[thumbnail of cover]
Preview
Image (cover)
andilukman-2352-1-13-andi-4 cover.jpg

Download (249kB) | Preview
[thumbnail of dapus] Text (dapus)
andilukman-2352-1-13-andi-4 dapus-lam.pdf

Download (1MB)
[thumbnail of full text] Text (full text)
andilukman-2352-1-13-andi-4.pdf
Restricted to Repository staff only

Download (3MB)

Abstract (Abstrak)

DI LUKMAN. Machine Learning Pengenalan Citra Digital Berbasis
Software as A Service (SaaS) (dibimbing oleh Dr.Eng. Syafaruddin, ST.,
M.Eng dan Merna Baharuddin, ST., M.Tel.Eng, Ph.D)
Aplikasi Pengenalan citra pada umumnya dirancang untuk kebutuhan
khusus objek penelitian tertentu dan tidak dapat digunakan secara
multiuser. Penelitian ini bertujuan membangun aplikasi Machine Learning
pengenalan citra digital sebagai alat bantu bagi pengguna untuk
mendapatkan algoritma klasifikasi terbaik dalam mengenali objek citra
digital. Aplikasi dapat digunakan secara langsung di cloud tanpa proses
instalasi dan bersifat multiuser menggunakan teknologi Software as a
Service (SaaS). Algoritma yang digunakan dalam penelitian ini adalah
algoritma klasifikasi Machine Learning WEKA yaitu :Support Vector
Machine, K-Nearest Neighbor, Naïve Bayes, C4.5 Decision Tree, Logistic
Regression dan Random Forest. Data set yang digunakan diambil dari
California Institute of Technology bernama Caltech 101. Teknik
dokumentasi menggunakan diagram Unified Modeling Language. Aplikasi
dibangun menggunakan bahasa pemrograman java, untuk sisi client
menggunakan Google Web Toolkit dan sisi server menggunakan Java
Servlet. Aplikasi di-deploy ke Google App Engine. 4 bagian utama aplikasi
yaitu Login, Overview, Pra-proses dan latih_uji_pengenalan. Pengguna
dapat menggunakan aplikasi hanya bermodalkan web browser secara
online tanpa perlu melakukan instalasi aplikasi. Aplikasi sukses dalam
pengujian blackbox dan pengujian keberhasilan algoritma-algoritma
machine learning dalam mengenali citra. Algoritma Logistic Regression
mempunyai tingkat keberhasilan tertinggi yaitu 95%, 90% untuk kelas yes
dan 100% untuk kelas no dalam mengenali wajah.
Kata Kunci : Machine Learning, Pengenalan, Citra digital, Software As a
Service, Algoritma Klasifikasi WEKA, Google App Engine.

Item Type: Thesis (Thesis)
Subjects: T Technology > T Technology (General)
Depositing User: - Nurhasnah
Date Deposited: 01 Nov 2021 05:33
Last Modified: 01 Nov 2021 05:33
URI: http://repository.unhas.ac.id:443/id/eprint/9890

Actions (login required)

View Item
View Item