Cite This        Tampung        Export Record
Judul 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) / ANDI LUKMAN
Pengarang ANDI LUKMAN
Dr.Eng. Syafaruddin, S.T, M.Eng Merna Baharuddin, S.T, M.Eng, Ph.D
EDISI Tesis
Penerbitan Universitas Hasanuddin : Fakultas Teknik, 2013
Deskripsi Fisik 152 hlm :ilus
ISMN --andilukman-2352
/Tesis/Teknik / Enggenering/
Subjek Machine Learning, Pengenalan, Citra digital, Software As a Service, Algoritma Klasifikasi WEKA, Google App Engine.
Abstrak Aplikasi Pengenalan citra pada umumnya dirancang untuk kebutuhankhusus objek penelitian tertentu dan tidak dapat digunakan secaramultiuser. Penelitian ini bertujuan membangun aplikasi Machine Learningpengenalan citra digital sebagai alat bantu bagi pengguna untukmendapatkan algoritma klasifikasi terbaik dalam mengenali objek citradigital. Aplikasi dapat digunakan secara langsung di cloud tanpa prosesinstalasi dan bersifat multiuser menggunakan teknologi Software as aService (SaaS). Algoritma yang digunakan dalam penelitian ini adalahalgoritma klasifikasi Machine Learning WEKA yaitu :Support VectorMachine, K-Nearest Neighbor, Naïve Bayes, C4.5 Decision Tree, LogisticRegression dan Random Forest. Data set yang digunakan diambil dariCalifornia Institute of Technology bernama Caltech 101. Teknikdokumentasi menggunakan diagram Unified Modeling Language. Aplikasidibangun menggunakan bahasa pemrograman java, untuk sisi clientmenggunakan Google Web Toolkit dan sisi server menggunakan JavaServlet. Aplikasi di-deploy ke Google App Engine. 4 bagian utama aplikasiyaitu Login, Overview, Pra-proses dan latih_uji_pengenalan. Penggunadapat menggunakan aplikasi hanya bermodalkan web browser secaraonline tanpa perlu melakukan instalasi aplikasi. Aplikasi sukses dalampengujian blackbox dan pengujian keberhasilan algoritma-algoritmamachine learning dalam mengenali citra. Algoritma Logistic Regressionmempunyai tingkat keberhasilan tertinggi yaitu 95%, 90% untuk kelas yesdan 100% untuk kelas no dalam mengenali wajah
Bentuk Karya Tidak ada kode yang sesuai
Target Pembaca Tidak ada kode yang sesuai

 
No Barcode No. Panggil Akses Lokasi Ketersediaan
Tag Ind1 Ind2 Isi
001 INLIS000000000002278
005 20180426085012
008 180426################|##########|#|##
024 0 $a--andilukman-2352
024 0 $a/Tesis/Teknik / Enggenering/
035 # # $a 0010-0517002278
041 $a ind
042 $adc
084 # # $a S2-T13 AND m
100 0 # $a ANDI LUKMAN
245 1 # $a MACHINE LEARNING PENGENALAN CITRA DIGITAL BERBASIS SOFTWARE AS A SERVICE (SaaS) : $b THE MACHINE LEARNING OF DIGITAL IMAGE RECOGNITION BASE ON SOFTWARE AS A SERVICE (SAAS) /$c ANDI LUKMAN
246 0 $aTHE MACHINE LEARNING OF DIGITAL IMAGE RECOGNITION BASE ON SOFTWARE AS A SERVICE (SAAS)2013
250 # # $a Tesis
260 # # $a Universitas Hasanuddin :$b Fakultas Teknik,$c 2013
300 # # $a 152 hlm : $b ilus
520 # # $a Aplikasi Pengenalan citra pada umumnya dirancang untuk kebutuhankhusus objek penelitian tertentu dan tidak dapat digunakan secaramultiuser. Penelitian ini bertujuan membangun aplikasi Machine Learningpengenalan citra digital sebagai alat bantu bagi pengguna untukmendapatkan algoritma klasifikasi terbaik dalam mengenali objek citradigital. Aplikasi dapat digunakan secara langsung di cloud tanpa prosesinstalasi dan bersifat multiuser menggunakan teknologi Software as aService (SaaS). Algoritma yang digunakan dalam penelitian ini adalahalgoritma klasifikasi Machine Learning WEKA yaitu :Support VectorMachine, K-Nearest Neighbor, Naïve Bayes, C4.5 Decision Tree, LogisticRegression dan Random Forest. Data set yang digunakan diambil dariCalifornia Institute of Technology bernama Caltech 101. Teknikdokumentasi menggunakan diagram Unified Modeling Language. Aplikasidibangun menggunakan bahasa pemrograman java, untuk sisi clientmenggunakan Google Web Toolkit dan sisi server menggunakan JavaServlet. Aplikasi di-deploy ke Google App Engine. 4 bagian utama aplikasiyaitu Login, Overview, Pra-proses dan latih_uji_pengenalan. Penggunadapat menggunakan aplikasi hanya bermodalkan web browser secaraonline tanpa perlu melakukan instalasi aplikasi. Aplikasi sukses dalampengujian blackbox dan pengujian keberhasilan algoritma-algoritmamachine learning dalam mengenali citra. Algoritma Logistic Regressionmempunyai tingkat keberhasilan tertinggi yaitu 95%, 90% untuk kelas yesdan 100% untuk kelas no dalam mengenali wajah
540 $a#RIGHTS#
546 $aBahasa Indonesia
650 # $a Machine Learning, Pengenalan, Citra digital, Software As a Service, Algoritma Klasifikasi WEKA, Google App Engine.
655 0 $adc_document$2local
700 0 # $a Dr.Eng. Syafaruddin, S.T, M.Eng Merna Baharuddin, S.T, M.Eng, Ph.D
786 0 $n#SOURCE_URL#
787 0 $n12014-02-12 10:28:29--andilukman-2352-1-13-andi-4.pdf./files/disk1/48/--andilukman-2352-1-13-andi-4.pdf/download.php?id=233813-ANDI LUKMAN-P2700211434.pdfapplication/pdf3731728
No Nama File Nama File Format Flash Format File Action
1 --andilukman-2352-1-13-andi-4.pdf pdf Download
Content Unduh katalog