Article Per Year (5 Year)
p-Index From 2020 - 2025
2.319
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan Jurnal Sistem Informasi dan Bisnis Cerdas Dinamisia: Jurnal Pengabdian Kepada Masyarakat Jurnal Pengembangan Riset dan Observasi Teknik Informatika KOMPUTEK Building of Informatics, Technology and Science Jurnal Teknologi Dan Sistem Informasi Bisnis TIN: TERAPAN INFORMATIKA NUSANTARA Jurnal Sains dan Teknologi Asian Journal of Community Services (AJCS) INOVTEK Polbeng - Seri Informatika
Anief Fauzan Rozi, Anief Fauzan
Universitas Mercu Buana Yogyakarta
Aerospace Engineering Arts Humanities Automotive Engineering Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Dentistry Earth & Planetary Sciences Economics, Econometrics & Finance Education Electrical & Electronics Engineering Energy Engineering Environmental Science Health Professions Immunology & microbiology Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Materials Science & Nanotechnology Mathematics Mechanical Engineering Medicine & Pharmacology Neuroscience Nursing Physics Social Sciences Veterinary Other

Published : 15 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : KOMPUTEK

 1 
Analisis Model Klasifikasi Ras Anjing dengan Metode Convolutional Neural Network (CNN) Manik, Tessa Monika; Rozi, Anief Fauzan
KOMPUTEK Vol 8, No 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2784

Abstract

Setiap ras anjing memiliki sifat dan masalah kesehatan yang berbeda. Penting untuk mengidentifikasi ras anjing untuk memberikan perawatan dan pelatihan yang tepat. Ras anjing di seluruh dunia ada sekitar 399 jenis. Pemilik anjing seringkali kurang memiliki pengetahuan tentang cara merawat anjingnya karena tidak mengetahui secara pasti jenis anjingnya. Penelitian ini mengklasifikasikan 133 jenis ras anjing menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur VGG-16. Dengan total dataset 21.584 citra, yang terdiri dari citra anjing dan citra manusia. Citra diseragamkan menjadi citra RGB dan berukuran 224x244 piksel. Penelitian ini menghasilkan akurasi sebesar 95.5%. Hasil penelitian ini menunjukkan bahwa model CNN dengan arsitektur VGG-16 mampu mengklasifikasikan ras anjing dengan tingkat akurasi yang tinggi dengan tujuan dapat mengklasifikasikan jenis anjing yang berbeda menggunakan CNN. Jika gambar anjing diberikan maka algoritma akan bekerja untuk menemukan jenis anjing dan fitur kesamaan dalam jenis anjing, dan jika gambar manusia diberikan maka algoritma akan menentukan fitur wajah yang ada pada anjing untuk ditampilkan pada citra manusia. Penelitian lebih lanjut diperlukan untuk mengeksplorasi potensi peningkatan akurasi dan efisiensi model serta penerapannya dalam skenario dunia nyata.
Analisis Model Klasifikasi Ras Anjing dengan Metode Convolutional Neural Network (CNN) Manik, Tessa Monika; Rozi, Anief Fauzan
KOMPUTEK Vol. 8 No. 2 (2024): Oktober
Publisher : Universitas Muhammadiyah Ponorogo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24269/jkt.v8i2.2784

Abstract

Setiap ras anjing memiliki sifat dan masalah kesehatan yang berbeda. Penting untuk mengidentifikasi ras anjing untuk memberikan perawatan dan pelatihan yang tepat. Ras anjing di seluruh dunia ada sekitar 399 jenis. Pemilik anjing seringkali kurang memiliki pengetahuan tentang cara merawat anjingnya karena tidak mengetahui secara pasti jenis anjingnya. Penelitian ini mengklasifikasikan 133 jenis ras anjing menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur VGG-16. Dengan total dataset 21.584 citra, yang terdiri dari citra anjing dan citra manusia. Citra diseragamkan menjadi citra RGB dan berukuran 224x244 piksel. Penelitian ini menghasilkan akurasi sebesar 95.5%. Hasil penelitian ini menunjukkan bahwa model CNN dengan arsitektur VGG-16 mampu mengklasifikasikan ras anjing dengan tingkat akurasi yang tinggi dengan tujuan dapat mengklasifikasikan jenis anjing yang berbeda menggunakan CNN. Jika gambar anjing diberikan maka algoritma akan bekerja untuk menemukan jenis anjing dan fitur kesamaan dalam jenis anjing, dan jika gambar manusia diberikan maka algoritma akan menentukan fitur wajah yang ada pada anjing untuk ditampilkan pada citra manusia. Penelitian lebih lanjut diperlukan untuk mengeksplorasi potensi peningkatan akurasi dan efisiensi model serta penerapannya dalam skenario dunia nyata.
Co-Authors Athallah, Muhamad Reza Audita Nuvriasari Azizah, Nailatul Burrhanuddin, Nafi' Ikhsan Febriyanti, Natasya Fitri, Ichlasia Ainul Heru Prayitno Manik, Tessa Monika Manurung, Vanni Munandar, Annisa Nurfitri Rida Saputra, Irfan Juliardi Titik Desi Harsoyo, Titik Desi Turnip, Erdina Wibowo, Rizki Widodo, Arief Setyo