cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Joseph Dedy Irawan
Contact Email
joseph@lecturer.itn.ac.id
Phone
+62811367463
Journal Mail Official
mnemonic@scholar.itn.ac.id
Editorial Address
Jl. Raya Karanglo Km. 2 Malang
Location
Kota malang,
Jawa timur
INDONESIA
Jurnal Mnemonic
Published by Institut Teknologi Nasional Malang
ISSN : -     EISSN : 26144808     DOI : https://doi.org/10.36040/mnemonic
Core Subject : Science,
Computer Science & IT
Jurnal Mnemonic adalah jurnal nasional yang diterbitkan oleh Teknik Informatika Institut Teknologi Nasional Malang, sebagai media publikasi hasil penelitan dan pengabdian masyarakat dalam bidang Teknik Informatika bagi para akademisi dan peneliti untuk mempublikasikan karya-karya ilmiah di khalayak luas, diterbitkan secara berkala 2 kali setahun pada bulan Februari dan September.
Arjuna Subject : Ilmu Komputer (semua kategori) - Ilmu Komputer (Lain-Lain)
Articles 191 Documents
 16   17   18   19   20 
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

Page 20 of 20 | Total Record : 191

 16   17   18   19   20 

Filter by Year

2018 2025


Reset
Filter By Issues
All Issue Vol 8 No 2 (2025): Mnemonic Vol. 8 No. 2 Vol 8 No 1 (2025): Mnemonic Vol. 8 No. 1 Vol 7 No 2 (2024): Mnemonic Vol. 7 No. 2 Vol 7 No 1 (2024): Mnemonic Vol. 7 No. 1 Vol 6 No 2 (2023): Mnemonic Vol. 6 No. 2 Vol 6 No 1 (2023): Mnemonic Vol. 6 No. 1 Vol 5 No 2 (2022): Mnemonic Vol. 5 No. 2 Vol 5 No 1 (2022): Mnemonic Vol. 5 No. 1 Vol 4 No 2 (2021): Mnemonic Vol. 4 No. 2 Vol 4 No 1 (2021): Mnemonic Vol. 4 No. 1 Vol 3 No 2 (2020): Mnemonic Vol. 3 No. 2 Vol 3 No 1 (2020): Mnemonic Vol. 3 No. 1 Vol 2 No 2 (2019): Mnemonic Vol. 2 No. 2 Vol 2 No 1 (2019): Mnemonic Vol. 2 No. 1 Vol 1 No 2 (2018): Mnemonic Vol. 1 No. 2 Vol 1 No 1 (2018): Mnemonic Vol. 1 No. 1 More Issue