Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Jurnal Mnemonic

KLASIFIKASI TELAPAK TANGAN MENGGUNAKAN DEEP LEARNING DAN MACHINE LEARNING Huang, Jervis; Handhayani, Teny
Jurnal Mnemonic Vol 8 No 2 (2025): Mnemonic Vol. 8 No. 2
Publisher : Teknik Informatika, Institut Teknologi Nasional malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/mnemonic.v8i2.15716

Abstract

Tujuan penelitian ini adalah untuk membandingkan kinerja model deep learning MobileNetV2 dan beberapa algoritma machine learning yaitu K-Nearest Neighbor (KNN), Artificial Neural Network (ANN), Decision Tree (DT) dan Support Vector Machine (SVM) dalam mengklasifikasi telapak tangan. Karena algoritma machine learning tidak dapat membaca data citra secara langsung, fitur dari gambar akan diekstraksi dengan gray level co-occurrence matrix (GLCM). Penelitian ini menggunakan data citra telapak tangan dari 26 responden yang berasal dari Universitas Tarumanagara yang berumur sekitar 17 tahun, dan dibagi menjadi 52 kelas (telapak tangan kanan dan kiri dianggap kelas beda). Selain itu, responden diusahakan untuk memenuhi beberapa syarat untuk data citra mereka seperti latar belakang polos dan garis-garis telapak tangan yang jelas. Data uji dan data latih diambil secara acak dengan rasio data latih:data uji 70%:30% dan 80%:20%. Setelah eksperimen, KNN menghasilkan rata-rata akurasi 87% dengan waktu latihan 0.01 detik, ANN menghasilkan rata-rata akurasi 87% dengan waktu latihan 14 detik, DT menghasilkan rata-rata akurasi 83% dengan waktu latihan 0.18 detik, SVM menghasilkan rata-rata akurasi 94% dengan waktu latihan 0.17 detik dan MobileNetV2 menghasilkan akurasi 59% dengan waktu latihan 3336.28 detik. Selain itu, ANN mengasih tanda ketidakkonsistenan karena menghasil akurasi lebih rendah jika menggunakan data uji lebih tinggi dan MobileNetV2 mengasih tanda kekurangan data karena menghasilkan akurasi lebih rendah jika data latih lebih dikit. Dengan pengetahuan ini, para pengembang dapat memilih model atau algoritma paling cocok untuk proyek mereka, seperti sebuah sistem keamanan biometrik menggunakan telapak tangan pengguna
Co-Authors Adela Calista Adela Tania Adithya Putra, Farhan Andre Andre, Andre Andrian, Gion Andry Winata Angelica Christina Arya Bintang Saputra Arya Dwi Saputra Brando Dharma Saputra Castello Purba, Andrew Cecillia Chung Chairisni Lubis Cherissa Aeryn Djaya Christina, Angelica Daffa Hilmi Aji Dara Kharisma Limparan Darius Andana Haris David Jansen Dayanti, Afina Putri Desi Arisandi Desi Arisandi Djoenaedi, Owen Duncan Ariel Dwi Saputra, Arya Dyah Erny Herwindiati Dyah Erny Herwindiati Ericko, Teddy Faradila Herfiyana Farhan Afrial Farouqi, Akmal Fawaz Firdausyan, Naufal Georgia Sugisandhea Hendryli, Janson Herfiyana, Faradila Huang, Jervis Irvan Lewenusa Irvan Lewenusa Irvan Lewenusa, Irvan Janson Hendryli Janson Hendryli Jason Jaya, Jefri Jayadi, Bryan Valentino Jeanny Pragantha Jeanny Pragantha Jeanny Pragantha Jeremia Pinnywan Immanuel Jochsen, Erico Jong, Fenny Jordi Pradipta Kusuma Jourdan Stanley Julius Juan Karnadi, Benny Kelvin Wijaya Kusuma, Jordi Pradipta Lely Hiryanto Lim, Maggie Lubis, M.Kom., Chairisni Mahendra, Izam Susilo Mahendra, Izam Susilo Manatap Dolok Lauro Manatap Dolok Lauro, Manatap Dolok Manatap Sitorus Marchel Yusuf Rumlawang Arpipi Mathew Judianto Matthew Oni Matthew Russel Paul Mohammad Faraditya Eka Putra Monica Ong Muhammad Isnaini Syaifudin Nicko Kurniawan Novario Jaya Perdana Oni, Matthew Owen Maytrio Phratama Paulus Samotana Zalukhu Permana, Yudistira Peter James Tedja Phratama, Owen Maytrio Purba, Andrew Castello Sandy Permadi Sormin Sitorus Dolok Lauro , Manatap Sonata, Raffy Sopany, Mikael Reichi Sumarlie , Devid Sumarlie, Aurellia Clearesta Tanudy, Clara Tasya Syamsudin Tommy Wijaya Putra Tony Tony Veri Wasino Wasino Wasino Wasino Wasino Wasino, Wasino William William Winata, Andry Yusuf Rumlawang Arpipi, Marcel Zyad Rusdi