Layanan penulisan ilmiah yang disediakan oleh Perpustakaan Universitas Gunadarma
WEBSITE KLASIFIKASI GAMBAR BERBASIS MOBILENET V2 MENGGUNAKAN TENSORFLOW.JS & REACT.JS
ABSTRAKSI :
Data menjadi sebuah asset yang berharga saat ini. Dengan banyaknya data, teknologi saat ini bisa memberikan pengelihatan atau kemungkinan untuk masa yang akan datang dalam mengolah dan membuat suatu prediksi. Machine Learning (ML) adalah bagian dari Artificial Intelegence (AI) yang telah menjadi alat penting dalam sebuah sistem perangkat lunak untuk mengoptimalkan sistem yang berjalan. Image Classification menjadi salah satu topik dari Machine Learning yang banyak digunakaan pada Machine Learning. Tensorflow.js adalah sebuah library untuk membuat dan menjalankan algoritma pembelajaran mesin dalam Bahasa pemrograman JavaScript. Model Tensorflow.js dapat berjalan di browser web dengan Node.js environment. Tensorflow.js menyediakan satu set Application Programming Interface (API) yang kompatibel dengan yang ada di Python sehingga memungkinkan model untuk bisa dijalankan didalam ekosistem JavaScript. React.js merupakan open-source library dari JavaScript yang membantu membangun antarmuka aplikasi berbasis website. Penelitian ini bertujuan untuk membuat aplikasi berbasis website untuk Klasifikasi Gambar menggunakan Tensorflow.js dengan memanfaatkan MobileNet V2 sebagai model pra-terlatih dalam penerapan ilmu Deep Learning. Metode yang digunakan dalam pembuatan aplikasi ini menggunakan metode MobileNet yang memiliki dasar algoritma Convolutional Neural Network (CNN) untuk melakukan proses klasifikasi gambar. Dalam hal ini implementasi dan uji coba aplikasi agar dapat melakukan deteksi dan klasifikasi dengan baik adalah dengan melakukan uji coba menggunakan Black Box Testing menggunakan 5 fitur yang dibuat pada website. Dengan demikian dapat disimpulkan bahwa fitrur antar muka, proses Input dan klasifikasi gambar pada website yang dibuat dapat berjalan dengan baik. Sesuai dengan tujuan penulisan, bahwa aplikasi ini dapat menerapkan Image Classification dengan menggunakan model MobileNetV2 pada sebuah website berbasis JavaScript.
NOMOR INDUK :
FTI/IA/SSM/7748/2022
PEMBIMBING :
DEWI ANGGRAINI PUSPA HAPSARI
TANGGAL SIDANG :
25/02/2022
TANGGAL PENYERAHAN :
19/09/2022
JENIS PENULISAN :
PENULISAN ILMIAH JENJANG S1 (SETARA SARJANA MUDA / SSM)