Bisnis TIK berdasarkan PI

PENGANTAR BISNIS INFORMATIKA

Disusun oleh:

Nama  : Yassir Nurpatiaguna.

NPM    : 57416731.

Kelas   : 4IA12.

Tugas  : Kedua.

Dosen : Dr. Siti Saidah,Skom.,MMSI.

UNIVERSITAS GUNADARMA

DEPOK

     2019

Ringkasan Penulisan Ilmiah

Pada semester 6 merupakan periode dalam penulisan ilmiah sebagai syarat lulus perkuliahan. Dan judul penulisan ilmiah berdujudul ‘SISTEM PENGENAL JENIS DAUN MELALUI PENDEKATAN DEEP LEARNING DENGAN METODE FASTER R-CNN DAN LIBRARY TENSORFLOW’ dengan dosen pembimbing Dr. Karmilasari, SKom, MM. dengan menggunakan perangkat lunak JetBrains PyCharm For Anaconda Community Edition, Anaconda dan LabelImg lalu menggunakan library TensorFlow, Matplotlib, Pillow Opencv-Python, Pandas dan CuDNN dan menngunakan API CuDNN.

Metode yang digunakan ialah:

·       Study Literature

Study literature pada penelitian ini adalah pengumpulan data pustaka dalam yang berhubungan dengan metode penelitian yang digunakan, yaitu metode Faster R-CNN dan software yang digunakan, yaitu JetBrains PyCharm For Anaconda Community Edition, Anaconda serta library pendukung, seperti TensorFlow, CuDNN dan API pendukung yang digunakan, yaitu API CUDA. Selain itu juga mengumpulkan data jenis daun berdasarkan bentuk tulang seperti daun menyirip (Penninervis), daun menjari (Palminervis), daun sejajar (Rectinervis) dan daun melengkung (Cervinervis).

·       Pengambilan Data Dan Pengumpulan Data

Pengambilan data dan pemisahan data train dan data test dari penelitian ini dimulai dari pengumpulan data citra daun berdasarkan masing-masing jenis bentuk tulang. Kemudian memisahkan data train untuk melatih komputer dalam mengenal data citra dan memisakan data test ialah data citra yang akan diuji coba menggunakan data citra yang berbeda yang akan digeneralisasi, serta melakukan resize data gambar apabila melebihi ukuran dari 200 kb.

·       Analisis Metode Faster R-CNN

Analisis metode Faster R-CNN dari penelitian ini dimulai dari menganalisa arsitektur dari metode model Faster R-CNN yang digunakan yang terdiri anchor dan region proposal network yang dimaksudkan untuk mengetahui tahap proses training.

·       Perancangan Alur Program

Perancangan alur program penelitian ini dimulai dari pembuatan alur sistem pendektesian pada objek daun berdasarkan bentuk tulang dengan menyesuaikan proses pada sistem yang digunakan pada penelitian ini.

·       Implementasi Pembuatan Program

Implementasi pembuatan program dari penelitian ini dimulai dari implementasi metode Faster R-CNN, yang diawali dengan proses pelabelan data citra sebagai data masukan pada data citra latih, dengan menggunakan software LabelImg. Kemudian menggunakan bahasa pemograman python sebagai bahasa penulisan dalam pembuatan sistem, dengan menggunakan software JetBrains PyCharm For Anaconda Community Edition, lalu menggunakan software Anaconda dalam mendukung package data science pada bahasa pemograman python. Serta menggunakan API komputasi paralel CUDA untuk pemanfaatan kinerja GPU Nvidia dan library pendukung TensorFlow dan CuDNN dalam melatih data citra dan pengoptimalan proses training data citra menggunakan GPU Nvidia.

·       Finishing

Finishing adalah tahap akhir dari proses penelitian ini yang dimulai dari uji coba sistem dengan memasukan data gambar dari setiap jenis daun untuk mengukur ke akurasian dari metode Faster R-CNN. Kemudian evaluasi hasil dari pengujian metode yang digunakan.

Kelebihan

·       Dapat mengenali jenis daun berdasarkan bentuk tulang daun yang sudah dikenalkan kedalam sistem graph deep learning ini.

·       Lebih cepat dalam proses pengenalan objek disbanding menggunakanan metode CNN.

Alasan penulisan ilmiah menjadi lambat sidang dikarenakan diharuskan melakukan riset lebih dalam tentang bidang deep learning dan computer vision, penggumpulan dataset secara manual,melakukan labelling secara manual, menentukan metode dan algoritma yang tepat ,proses training memakan waktu hingga 13 jam untuk mencapai 150000 steps atau epoch dan jika nilai akurasi dan validasi masih kurang maksimal dan menghasilkan graph yang membuat pendeksian objek kurang optimal maka melakukan ulang proses dari tahap labelling.

Teknik Promosi Pada Sistem Pengenal Jenis Daun

1.    Pengoptimalan pada algorithm yang digunakan.

2.    Dapat digunakan diberbagai perangkat.

3.    Menampilkan informasi secara maksimal.

4.    Dapat melakukan deteksi jenis daun secara real-time tanpa terpengarauh Frame per second.