Article Per Year (5 Year)
p-Index From 2021 - 2026
0
P-Index
This Author published in this journals
All Journal Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Feriawan, Jimmy
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Energy Engineering Industrial & Manufacturing Engineering Mathematics Mechanical Engineering Transportation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Perbandingan Arsitektur Visual Geometry Group dan MobileNet Pada Pengenalan Jenis Kayu Feriawan, Jimmy; Swanjaya, Daniel
Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi) Vol. 4 No. 3 (2020): PROSIDING SEMNAS INOTEK Ke-IV Tahun 2020
Publisher : Universitas Nusantara PGRI Kediri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29407/inotek.v4i3.84

Abstract

Furnitur merupakan salah satu komoditas strategis bagi ekonomi Indonesia karena furnitur merupakan produk yang bernilai tambah tinggi dan memiliki daya saing global. Produksi furnitur kayu di Indonesia pada tahun mencapai 80% dari keseluruhan produksi furnitur. Untuk mengidentifikasi jenis kayu dibutuhkan seorang pakar kayu. Proses identifikasi kayu bisa ditentukan oleh beberapa faktor seperti warna, tekstur, berat dan masih banyak lagi. Identifikasi kayu bisa dilakukan dengan teknologi Computer Vision karena memiliki keuntungan meningkatkan waktu identifikasi dan mengurangi biaya pada proses Quality Control. Convolutional Neural Network (CNN) merupakan salah satu implementasi metode Deep Learning yang digunakan untuk pemrosesan citra digital. metode CNN dengan arsitektur VGG 16 dan MobileNet dipilih untuk diterapkan pada sistem identifikasi kayu Seteleah dilakukan proses pelatihan dan testing, model arsitektur MobileNet memiliki hasil akurasi senilai 96% dan proses pelatihan juga lebih cepat dibandingkan model arsitektur VGG 16 yang memiliki hasil akurasi senilai 90%
Co-Authors Daniel Swanjaya