<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="16255">
<titleInfo>
<title>SISTEM KLASIFIKASI GAMBAR KUCING
BERBASIS TENSORFLOW</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Pius Dian Widi Anggoro, S.Si., M.Cs</namePart>
<role><roleTerm type="text">Contributor</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Qodri, Muhammad Al - 155410149</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Yogyakarta</placeTerm></place>
<publisher>STMIK AKAKOM</publisher>
<dateIssued>2021</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text Skripsi</form>
<extent></extent>
</physicalDescription>
<note>TensorFlow merpukan sebuah framework komputasional untuk membuat
model machine learning. TensorFlow menyediakan berbagai toolkit yang
memungkinkan untuk membuat model pada tingkat abstraksi yang disukai oleh
programmer, dapat menggunakan API dengan tingkat yang lebih rendah untuk
membuat model dengan menentukan serangkaian operasi matematis. Convolutional
Neural Network (CNN) merupakan pengembangan dari multilayer perceptron
(MLP) yang didesain untuk mengolah data dua dimensi dalam bentuk citra.
Data yang digunakan yaitu data gambar kucing ras Anggora dan Persia yang
dimana berjumlah 360 data yang dimana pada masing masing kucing (Anggora
Putih 60, Anggora Calico 60, Anggora Hitam 60, Persia Flatnose 61, Persia
Himalaya 59, Persia Peaknose 60) dengan data yang diuji 10 data dari setiap jenis
ras kucing, yang mana data tersebut akan di unggah ke Custom Vision Ai untuk
dilakukan pelatihan/training data.
Hasil dari penelitian/pengujian ini adalah kucing Anggora Putih dengan
rata-rata kecepatan 0.275 detik, dengan rata-rata tingkat akurasi 86.57%, Anggora
Calico dengan rata-rata kecepatan 0.25 detik , dengan rata-rata tingkat akurasi 81%,
Anggora Hitam dengan rata-rata kecepatan deteksi 0.307 detik, dengan rata rata
tingkat akurasi 90.11%, Persia Flatnose dengan rata-rata kecepatan deteksi 0.24
detik, dengan rata-rata tingkat akurasi 82.20%, Persia Himalaya dengan rata-rata
kecepatan deteksi 0.303 detik, dengan rata-rata tingkat akurasi 88%, Persia
Peaknose dengan rata-rata kecepatan deteksi 0.276 detik, dengan rata-rata tingkat
akurasi 87.69% sehingga aplikasi ini mampu mengenali gambar objek kucing yang
telah ditraining/diuji dan jarak/posisi deteksi terbaik dengan jarak 10cm - 25cm dan
posisi kamera lurus sejajar dengan objek gambar.
Kata Kunci : Azure, Custom Vision, Gambar Kucing, Machine Learning,
Tensorflow.</note>
<subject authority=""><topic>BERBASIS TENSORFLOW</topic></subject>
<subject authority=""><topic>Klasifikasi</topic></subject>
<classification>NONE</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia</physicalLocation>
<shelfLocator>015 Qod S R.1</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">QOD0015TI0121</numerationAndChronology>
<sublocation>Rak Referensi  Skripsi Informatika</sublocation>
<shelfLocator>015 Qod S R.1</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>16255</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2021-02-18 11:15:02</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2021-02-18 11:16:25</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>