dc.contributor.advisor | Dr. RB. Fajriya Hakim, S.Si., M.Si | |
dc.contributor.author | Hafizhan Aliady, 14 611 225 | |
dc.date.accessioned | 2018-08-13T09:43:22Z | |
dc.date.available | 2018-08-13T09:43:22Z | |
dc.date.issued | 2018-07-20 | |
dc.identifier.uri | https://dspace.uii.ac.id/handle/123456789/9685 | |
dc.description.abstract | Maraknya masalah kriminal bukanlah hal yang aneh dan baru terjadi di sekitar kita. Dari keseluruhan kejahatan yang terjadi, salah satu kasus yang marak terjadi di lingkungan sekitar adalah pencurian/perampokan. Contohnya perampokan yang terjadi di minimarket, hal ini disebabkan kurang maksimalnya keamanan pada sebuah sistem pada minimarket tersebut, hal ini di dukung karena sistem yang ada sekarang masih menggunakan uang tunai dan petugas kasir yang kurang sigap dalam menghadapi kasus perampokan, kemudian pada sistem yang sudah ada ketika hendak ingin membayar ke kasir sering kali konsumen minimarket mengantri cukup lama padahal barang yang beli hanya satu atau dua buah, hal ini membuat konsumen tidak nyaman karena terjadi antrian yang cukup panjang. Maka perlunya sebuah sistem yang dapat meningkatkan keamanan dan mengurang waktu transaksi. Perkembangan teknologi membuat sebuah sistem komputer yang memiliki kemampuan untuk mengolah sebuh data menjadi informasi. Misalnya dapat mengenali sebuah obyek berdasarkan gambar (digital image). Proses pengenalan sebuah obyek ini menggunakan metode deep learning yang dapat melakukan proses ekstraksi fitur secara otomatis. Convolutional Neural Network (CNN) merupakan salah satu metode yang digunakan untuk melakukan pengenalan citra. Sehingga dapat membentuk sebuah model yang dapat di gunakan untuk mendeteksi suatu objek. Tujuan dari penelitian ini adalah mencari tahu bagaimana rancangan sistem untuk membuat sebuah model untuk melakukan pendeteksian objek, kemudian mengetahui arsitektur yang di gunakan. Berdasarkan model yang sudah di buat menggunakan algoritma CNN di dapatkan hasil yang cukup tinggi hal ini dibuktikan dengan berhasil melakukan pendeteksian terhadap objek yang di sediakan oleh peneliti dengan tingkat akurasi berkisar 70-99%. | en_US |
dc.publisher | Universitas Islam Indonesia | en_US |
dc.subject | Convolutional Neural Network | en_US |
dc.subject | Deteksi Objek | en_US |
dc.subject | Tensorflow | en_US |
dc.subject | Deep Learing. | en_US |
dc.title | PENERAPAN CONVOLUTIONAL NEURAL NETWORK DALAM MENDETEKSI SEBUAH OBJEK (Studi Kasus : Makanan Ringan (Lays, Goodtime, Oreo, Pocky dan Tango)) | en_US |
dc.type | Undergraduate Thesis | en_US |