Garuda - Garba Rujukan Digital

Deteksi Seksisme Online menggunakan Support Vector Machine dan NaÃ¯ve Bayes SHABIRA, DIYANK; MADENDA, SARIFUDDIN; SIAGIAN, AL HAFIZ AKBAR MAULANA; RIYANTO, SLAMET
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 8, No 2 (2023): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v8i2.254-266

AbstrakSeksisme online menjadi topik penting di media sosial yang mempengaruhi perkembangan internet, menimbulkan efek negatif dan menjadi ancaman serius bagi wanita yang menjadi target. Penelitian ini menggunakan machine learning untuk mendeteksi seksisme pada kalimat bahasa Inggris. Algoritma yang digunakan adalah Support Vector Machine dan Naive Bayes. Grid search diterapkan pada model untuk mencari kombinasi hyperparameter terbaik sehingga menghasilkan skor terbaik. Pelatihan dibagi menjadi dua tugas, yaitu (1) pelatihan model menggunakan data tanpa penanganan imbalanced dan (2) pelatihan model menggunakan data yang telah dilakukan SMOTE. Hasil dari pelatihan model menunjukkan model SVM+SMOTE menghasilkan rata-rata skor F1 terbaik paling tinggi yaitu sebesar 0,96. Pengujian menggunakan data uji menunjukkan model SVM+SMOTE menghasilkan skor F1 tertinggi, yaitu sebesar 0,90 dengan 1467 kalimat diklasifikasikan benar 'not sexistâ€™, 47 kalimat â€˜not sexistâ€™ diklasifikasikan sebagai â€˜sexistâ€™, 189 kalimat â€˜sexistâ€™ diklasifikasikan benar dan 297 kalimat â€˜sexistâ€™ diklasifikasikan sebagai â€˜not sexistâ€™.Kata kunci: Seksisme, Deteksi, SVM, Naive Bayes, SMOTEAbstractOnline sexism has become a significant issue on social media, impacting internet progress and posing a serious threat to targeted women. This research uses machine learning to detect sexism in English sentences. The algorithms used are Support Vector Machine and Naive Bayes. Grid search is applied in the model to find the best combination of hyperparameters to produce the best score. The training is divided into two tasks: (1) training the model using unhandle the imbalanced data and (2) training the model using data with SMOTE. The training results show that the SVM+SMOTE model produces the highest average best F1 score is 0.96. The testing results show that the SVM+SMOTE model produces the highest F1 score is 0.90 with 1467 sentences correctly classified as 'not sexist', 47 'not sexist' sentences classified as 'sexist', 189 sentences classified as 'sexist' correctly and 297 'sexist' sentences were classified as 'not sexist'.Keywords: Sexism, Detection, SVM, Naive Bayes, SMOTE

Penggunaan Metode Design Thinking dalam Perancangan UI/UX Mobile Aplikasi Prevent (Studi Kasus: Studi Independen Alterra) SIAM, ASHZA NUR; FAUZI, AHMAD
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 8, No 2 (2023): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v8i2.130-141

AbstrakProses pembuatan desain aplikasi membutuhkan pemikiran yang kritis. Hal tersebut beriringan dengan munculnya teknologi untuk memudahkan manusia, contohnya pada kesehatan mental. Proses penciptaan inovasi baru untuk dapat memecahkan masalah dalam produk aplikasi baru pada penelitian ini menggunakan metode Design Thinking. Design thinking ialah teknik yang berfokus mencari solusi dalam menyelesaikan masalah. Hasil wawancara tahap empathize diperoleh 35 orang dengan kegiatan yang monoton dan sering mengalami overthinking. Untuk mengatasinya, diadakan pengembangan aplikasi dalam memecahkan masalah kesehatan mental, yaitu prevent. Aplikasi ini dapat digunakan untuk berkonsultasi masalah mental pada ahlinya, yaitu psikolog, sehingga masyarakat lebih peduli akan kesehatan mental. Kemudian, tahapan pengujian dengan moderated usability testing mendapatkan SEQ 5 dan 6 yang berarti dapat mengatasi masalah yang terjadi dan bersifat user friendly.Kata kunci: Teknologi, Kesehatan Mental, PreventAbstractThe process of designing applications requires critical thinking. They are coupled with the advent of technology to make it easier for humans, such as mental health. The process of creating new innovations to solve the problem in the new applications of this research employs a method of design thinking. Design thinking is a technique focused on finding solutions to problem solving. The emphatize stage interview results from 35 with monotonous activity and frequent overthinking. To counteract this, there is the development of applications in solving mental health problems, which are autism. This app may be used to consult mental problems in professionals, psychologists, and society's interest in mental health. Then, the testing stages with moderated usability testing get seq 5 and 6 which means that we can overcome the problem of being user friendly.Keywords: technology, mental health, prevent

Klasifikasi Penyakit Stunting Menggunakan Algoritma Multi-Layer Perceptron ASHURI, PUTRI INTAN; CAHYANI, INDAH ARDHIA; ADITYA, CHRISTIAN SRI KUSUMA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 1 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i1.52-63

AbstrakStunting adalah gangguan pertumbuhan dan perkembangan yang disebabkan kekurangan gizi yang ditandai dengan tinggi anak kurang dari dua kali standar deviasi yang ditetapkan oleh WHO. Kekurangan asupan gizi mengakibatkan menurunnya pertumbuhan anak, hal ini berhubungan dengan meningkatnya resiko sakit, kematian, hambatan pertumbuhan fisik maupun gangguan metabolisme tubuh. Beberapa metode telah dilakukan untuk membantu mengklasifikasi stunting pada anak salah satunya C4.5. Tujuan penelitian ini adalah mengklasifikasikan penyakit stunting menggunakan metode Multi-Layer Perceptron (MLP) dengan hyperparameter tuning RandomSearchCV. MLP memiliki beberapa kelebihan diantaranya mampu merepresentasikan hubungan lebih kompleks antara fitur input dan output, serta memproses data dalam berbagai bentuk, termasuk data tidak terstruktur. Penelitian ini menunjukan model MLP menggunakan hyperparameter tuning RandomSearchCV mendapatkan performa terbaik berdasarkan hasil evaluasi didapatkan accuracy sebesar 81.78%, precision 85.00%, recall 94.34%, dan F1-Score 89.43%.Kata kunci: Stunting, Kekurangan gizi, Multi-Layer Perceptron (MLP), Hyperparameter tuning, RandomSearchCVAbstract Stunting is a growth and development disorder caused by malnutrition which is characterized by a child's height being less than twice the standard deviation set by WHO. Lack of nutritional intake results in decreased growth in children, this is associated with an increased risk of illness, death, physical growth restrictions and metabolic disorders. Several methods have been used to help classify stunting in children, one of which is C4.5. The aim of this research is to classify stunting using the Multi-Layer Perceptron (MLP) method with RandomSearchCV hyperparameter tuning. MLP has several advantages, including being able to represent more complex relationships between input and output features, as well as processing data in various forms, including unstructured data. This research shows that the MLP model using RandomSearchCV hyperparameter tuning got the best performance based on the evaluation results, which obtained accuracy of 81.78%, precision of 85.00%, recall of 94.34%, and F1-Score of 89.43%.Keywords: author’s guideline, document’s template, format, style, abstract

Kinerja Model EfficientNetV2M dalam Klasifikasi Citra Tutupan dan Penggunaan Lahan ICHWAN, MUHAMMAD; HADI, IHSAN SAIFUL
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 8, No 2 (2023): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v8i2.203-216

AbstrakTutupan lahan merujuk pada unsur-unsur fisik yang terlihat di permukaan bumi, termasuk berbagai material seperti rumput, aspal, pepohonan, tanah terbuka, air, dan material fisik lainnya. Penggunaan lahan mengacu pada bagaimana manusia memanfaatkan lahan, baik di wilayah perkotaan maupun pedesaan. Klasifikasi menggunakan deep learning merupakan metode yang akurat dan bertujuan untuk membantu mendapatkan informasi mengenai tutupan lahan di suatu wilayah. Pada penelitian ini digunakan metode EfficientNetV2M yang merupakan versi terbaru dari pendahulunya yaitu EfficientNet, yang mana metode EfficientNetv2M diharapkan mampu melakukan tugasnya untuk klasifikasi citra satelit tutupan lahan. Beberapa hyperparameter yang digunakan untuk membantu EfficientNetV2M dalam mencapai kinerja yang optimal ini adalah activation function ReLU dan GELU. Hasil klasifikasi tertinggi yang dapat dicapai oleh EfficientNetV2M ini adalah 97% dengan menggunakan ReLU Activation Function dan Optimizer Adamax.Kata kunci: Deep Learning, EfficientNetV2M, tutupan lahan, hyperparameter, activation function.AbstractLand cover refers to the physical elements visible on the Earth's surface, including materials such as grass, asphalt, trees, bare soil, water, and other physical materials. Land use refers to how humans utilize land, both in urban and rural areas. Classification using deep learning is an accurate method and aims to help obtain information about land cover in an area. In this study, the EfficientNetV2M method was used which is the latest version of its predecessor, namely EfficientNet, which method is expected to be able to carry out operations for land cover satellite image classificationSome of the hyperparameters used to help EfficientNetV2M achieve optimal performance are the ReLU and GELU activation functions. The highest classification result that can be achieved by EfficientNetV2M is 97% by using ReLU Activation Function and Optimizer Adamax.Keywords: Deep Learning, EfficientNetV2M, land cover, hyperparameter, activation function.

Pemanfaatan Metode Collaborative Filtering dengan Algoritma KNN pada Sistem Rekomendasi Produk PUTRA, KURNIA RAMADHAN; RAHMAN, ILHAM FATHUR
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 1 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i1.113-123

AbstrakSalah satu permasalahan customer pada e-commerce adalah sulitnya menemukan produk yang diinginkan untuk dibeli. Sistem rekomendasi mampu menangani permasalahan tersebut dengan cara mengalisis data profil customer untuk menyaring produk yang sesuai dengan profil customer kemudian merekomendasikannya kepada customer tersebut. Untuk mengetahui hubungan antara produk dengan pengguna maka dapat memanfaatkan sistem rekomendasi. Ada beberapa permasalahan pada sistem rekomendasi yaitu sparsity data, missing value, dan duplikasi data yang sering ditemukan pada data berbasis rating seperti pada e-commerce. Untuk menyelesaikan masalah ini, maka diusulkan metode Item-based Collaborative Filtering dan algoritma K-Nearest Neighbor (KNN) dengan hasil evaluasi nilai MAE sebesar 1,05 dan RMSE sebesar 1,36 yang mampu menangani sistem rekomendasi dengan baik dengan tingkat kesalahan yang kecil.Kata kunci: recommendation system, item-based collaborative filtering, KNN, Sparsity Data, Cold-Start.AbstractIn e-commerce, one common customer problem is difficulty in finding the product they want to buy. This issue can be addressed through a recommendation system, which analyzes customer profile data to filter products that match the customer's profile and then recommends them. One way to establish the relationship between products and users is by using a recommendation system. However, recommendation systems often encounter problems such as data sparsity, missing values, and data duplication, particularly in rating-based data. To address these issues, the Item-based Collaborative Filtering method and the K-Nearest Neighbor (KNN) algorithm are proposed. Evaluation results show that these methods have MAE values of 1.05 and RMSE of 1.36, indicating their effectiveness in handling the recommendation system with a low error rate.Keywords: recommendation system, collaborative filtering, item-based CF, KNN

Algoritma Convolutional Neural Network sebagai Alat Bantu Analisa Tingkat Keparahan Tumor Otak IRMANIAR, IRMANIAR; MANIK, JOSUA TIMOTIUS; HARYANTO, FREDDY
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 1 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i1.1-12

AbstrakKecerdasan buatan telah menjadi dasar dalam pengembangan computer-aided-diagnosed (CAD), yaitu alat tambahan yang digunakan untuk melakukan diagnosa penyakit, misalnya tumor otak. Pada penelitian ini dilakukan klasifikasi otomatis citra MRI otak ke dalam 4 kategori, yaitu tumor otak grade II, III, IV dan non-tumor menggunakan Convolutional Neural Network (CNN). Tiga jenis arsitektur yang digunakan, yaitu arsitektur 12 lapisan, Resnet-152 dan VGG-16. Peningkatan jumlah gambar dilakukan dengan melakukan 6 jenis teknik augmentasi. Hasilnya menunjukkan bahwa ketiga model dapat melakukan klasifikasi tumor dengan akurasi masing-masing sebesar 84%, 95% dan 84% pada data tanpa augmentasi dan 49%, 81% dan 72% untuk data yang mengalami augmentasi. Hasil tersebut menunjukkan bahwa arsitektur Resnet-152 memberikan performa terbaik dibandingkan dengan arsitektur lainnya.Kata kunci: Tumor otak, Convolutional Neural Network (CNN), Resnet-152, VGG-16AbstractArtificial intelligence has become the basis for the development of computer-aided-diagnosed (CAD), an additional tool used to diagnose diseases, such as brain tumors. In this study, automatic classification of brain tumor was carried out into 4 categories, namely grade II, III, IV and non-tumor using the Convolutional Neural Network (CNN) algorithm. Three types of architecture are used, namely 12 layer architecture, Resnet-152 and VGG-16. The dataset comes from the REMBRANDT and IXI dataset. Increasing the number of images using 6 types of augmentation techniques is also done. The results show that the three models can classify tumors with an accuracy of 84%, 95% and 84% respectively for data without augmentation and 49%, 81% and 72% for data with augmentation. It can be concluded that the Resnet-152 architecture provides the best performance than the other architectures.Keywords: Brain tumor, Convolutional Neural Network (CNN), Resnet-152, VGG-16

Implementasi Convolutional Recurrent Neural Network untuk Identifikasi Plat Nomor Mobil pada Sistem Parkir Otomatis SUGENG, WINARNO; PUTRI, THETA DINNARWATY; HUSAINI, FAKHRUDIN RIZKY
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 8, No 2 (2023): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v8i2.142-157

AbstrakBeberapa tempat di kota Bandung telah menggunakan sistem otomatis dalam proses pelayanan sistem parkir mobil, namun sistem parkir tersebut masih menggunakan tiket parkir yang digunakan sebagai tanda kendaraan memasuki area parkir. Banyak orang yang mengalami kehilangan tiket parkir, sehingga perlu ada penanganan terhadap masalah tersebut. Dengan adanya masalah tersebut, teknologi Optical Character Recognition (OCR) dapat digunakan sebagai pembaharuan untuk mengenali karakter pada plat nomor mobil sehingga tiket parkir tidak diperlukan lagi. Metode yang digunakan sebagai deteksi teks yaitu Character Region Awareness for Text detection (CRAFT) dan metode untuk pengenalan teks yaitu Convolutional Recurrent Neural Network (CRNN). Hasil training model dengan dataset synthetic yang dibuat dari python library telah menghasilkan model terbaik yang memiliki akurasi sebesar 85,73% terhadap 1500 citra uji synthetic dan akurasi sebesar 77,5 % terhadap 40 citra plat nomor asli yang didapat dari google image dan Kaggle.com.Kata kunci: CRAFT, CRNN, sistem parkir otomatis, real-time Â AbstractSeveral places in the city of Bandung have used an automated system in the process of servicing the car parking system, but the parking system still uses a parking ticket which is used as a sign for vehicles entering the parking area. Many people experience lost parking tickets, so there needs to be a solution to this problem. Given this problem, Optical Character Recognition (OCR) technology can be used as an update to recognize characters on car license plates so that parking tickets are no longer needed. The method used for text detection is Character Region Awareness for Text detection (CRAFT) and the method for text recognition is Convolutional Recurrent Neural Network (CRNN). The results of model training with a synthetic dataset made from the python library have produced the best model which has an accuracy of 85.73% for 1500 synthetic test images and an accuracy of 77.5% for 40 original license plate images obtained from Google Image and Kaggle.com.Keywords: CRAFT, CRNN, automatic parking system, real-time

Pendekatan Metode Double Diamond untuk Meningkatkan Pengalaman Pengguna pada Antarmuka Aplikasi Pendeteksi Penyakit Tanaman Sayuran MAKNUN, NUR EVINA; KUSUMA, WAHYU ANDHYKA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 1 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i1.64-77

AbstrakDalam konteks pertumbuhan populasi global, pemenuhan kebutuhan pangan semakin penting. Namun, adanya penyakit tanaman menyebabkan penurunan hasil panen, kerugian ekonomi, bahkan krisis pangan. Penelitian sebelumnya berhasil menciptakan teknologi berupa aplikasi pendeteksi penyakit tanaman, namun belum memanfaatkan metode yang berorientasi pada UX. Oleh karena itu, penelitian ini akan fokus pada UX menggunakan metode Double Diamond yang mengeksplorasi masalah secara luas (divergen), diikuti pengambilan tindakan yang fokus (konvergen). Pengujian dilakukan pada prototype menggunakan metode System Usability Scale (SUS) dan User Experience Questionnaire (UEQ). Hasil rata-rata pengujian SUS adalah 90,75 dan pengujian UEQ menunjukkan penilaian "Excellent" pada skala Attractiveness, Stimulation, Dependability, Efficiency, dan Novelty, sementara itu penilaian "Good" pada skala Perpicuity. Dengan demikian, prototype aplikasi berhasil memenuhi kebutuhan pengguna dan memberikan pengalaman pengguna yang memuaskan.Kata kunci: Pendeteksi Penyakit Tanaman, Double Diamond, SUS, UEQAbstractIn the context of global population growth, providing food needs becomes increasingly important. However, plant diseases pose a threat by reducing crop yields, causing economic losses, and potentially causing a food crisis. Previous research succeeded in developing plant disease detection applications, but did not focus enough on user experience (UX). This study uses the Double Diamond method to investigate a problem broadly (divergent) and then take focused action (convergent) to improve UX. Prototype testing carried out using the System Usability Scale (SUS) and User Experience Questionnaire (UEQ) gave promising results with an average SUS score of 90.75. The UEQ reflects "Excellent" ratings in Attractiveness, Stimulation, Dependability, Efficiency, and Novelty, and a "Good" rating in Perpicuity. As a result, the app prototype effectively meets user needs, providing a satisfying user experience.Keywords: Plant Disease Detection, Double Diamond, SUS, UEQ

Exploring the Effectiveness, Features, and Compatibility of MongoDB and MySQL: A Comprehensive Comparison of NoSQL and Relational Databases SOWANDI, CHELSEA MARCHELLE; LEONITA, IVANA; ARISAPUTRA, STEVEN HARTANTO PANJI; DAVID, DAVID
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 8, No 2 (2023): MIND Journal
Publisher : Institut Teknologi Nasional, Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v8i2.217-229

AbstrakDi era digital ini, data menjadi aset yang sangat berharga bagi bisnis dan organisasi.Â Terdapat jenis database yang umum digunakan, yaitu Database Relasional dan Database NoSQL. Perbandingkan antara kedua jenis database tersebut dibahas melalui analisis perbedaan dan dampak praktisnya. Evaluasi terhadap kedua jenis database ini dilakukan untuk menentukan platform database terbaik yang sesuai dengan kebutuhan organisasi. Penelitian ini membahas perbandingan MongoDB dengan MySQL. Analisis, kelebihan, dan keterbatasan dari masing-masing jenis database ini, serta hal yang mempengaruhi pemilihan platform database dibahas pada penelitian ini. Dengan membandingkan fitur dan kasus penggunaan kedua database ini, diharapkan dapat memberikan wawasan berharga yang dapat membantu organisasi membuat keputusan yang tepat saat memilih platformÂ database.Kata kunci: database, Database NoSQL, MongoDB, MySQL, platform databaseAbstractIn today's digital age, data has become an essential asset for businesses and organizations. Databases are used to store, manage, and update information, providing reliable and organized data that can be accessed and analyzed as needed. There are several types of databases, including Relational Databases and NoSQL Databases. This paper compares the two types of databases, analyzing their differences and practical implications. We examine the aspects of both type of database to determine the best database platform for specific organizational needs. Specifically, we compare MongoDB, a popular NoSQL Database, with MySQL, a widely used Relational Database. Our analysis considers the strengths and limitations of each type of database, and how they impact the selection of a database platform. By comparing the features and use cases of these databases, we provide valuable insights that can help organizations make informed decisions when selecting a database platform.Keywords: databases, NoSQL Databases, MongoDB, MySQL, database platform

Media Pembelajaran Pengenalan Buah (Fruits Zone) untuk Anak KB Menggunakan Deep Learning KOMARIAH, SITI INGEFATUL; PUTRI, DESTI FITRI AISYAH; PERMATASARI, INTAN; FITRI, ZILVANHISNA EMKA; ATMADJI, ERY SETIYAWAN JULLEV; WIDIASTUTI, RESKI YULINA; IMRON, ARIZAL MUJIBTAMALA NANDA
MIND (Multimedia Artificial Intelligent Networking Database) Journal Vol 9, No 1 (2024): MIND Journal
Publisher : Institut Teknologi Nasional Bandung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26760/mindjournal.v9i1.13-24

ABSTRAK Keterbatasan media pembelajaran dan metode pembelajaran yang masih terpusat pada kemampuan guru menjadi kendala bagi Pos Alamanda 105 Jumerto, Jember. Dibutuhkan sebuah media pembelajaran yang interaktif dan dapat diakses dimanapun untuk meningkatkan kemampuan siswa khususnya dalam pengenalan buah. Solusinya, peneliti mengembangkan media pembelajaran interaktif pengenalan buah pada anak usia dini. Metode yang digunakan adalah Deep Learning (CNN) dengan arsitektur yaitu Resnet18. Arsitektur Resnet-18 dipilih karena tidak menghilangkan gradien dan fitur citra meski layer yang digunakan semakin dalam, sehingga connected layer dapat mengenali objek dengan akurat. Penelitian ini menggunakan 21 jenis buah populer dan buah unik yang dilengkapi fitur suara berbahasa Indonesia dan Bahasa Inggris. Jumlah data sebanyak 2100 citra buah dengan learning rate sebesar 0.0002 dan maksimal epoch sebesar 100 mampu mengklasifikasikan buah dengan tingkat akurasi sebesar 96% (pelatihan sistem) dan 95% (pengujian sistem). Kata Kunci: Media Pembelajaran, Fruits Zone , Deep Learning, ResNet18 ABSTRACT Limitations in learning media and teaching methods that are still centered on teachers' abilities pose challenges for Pos Alamanda 105 in Jumerto, Jember. An interactive learning media accessible anywhere is needed to enhance students' abilities, especially in fruit recognition. The solution is researchers developing an interactive early childhood fruit recognition learning media. The method used is Deep Learning (CNN) with the Resnet18 architecture. Resnet-18 architecture is chosen because it preserves gradients and image features even as the layers go deeper, allowing the connected layer to accurately recognize objects. This study covers 21 popular and unique fruits with voice features in Indonesian and English. With 2100 fruit images, a learning rate of 0.0002, and a maximum epoch of 100, the system achieves a classification accuracy of 96% (training) and 95% (testing).Keywords: Learning Media, Fruits Zone , Deep Learning, ResNet18

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota bandung,

Jawa barat

INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Home Page

OAI Link

Editorial Team

Contact

Reviewer

Google Scholar

Contact Name -

Contact Email -

Phone -

Journal Mail Official -

Editorial Address -

Location Kota bandung, Jawa barat INDONESIA

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Abstract

Contact Name
-

Contact Email
-

Phone
-

Journal Mail Official
-

Editorial Address
-

Location
Kota bandung,

Jawa barat

INDONESIA