PENINGKATAN PERFORMA ARSITEKTUR MOBILENETV3 PADA KLASIFIKASI JENIS IKAN KOI DENGAN FINE-TUNING
Pada penelitian ini kasus klasifikasi jenis ikan koi pada arsitektur MobileNetV3 ditingkatkan menggunakan metode Fine-Tuning untuk klasifikasi 15 kelas jenis ikan koi dengan menggunakan sekitar 2270 data citra ikan koi yang diambil dari peternak ikan koi di daerah Subang, Jawa Barat. Dari jumlah data yang dipakai, 80% data digunakan sebagai data latih dan 20% digunakan sebagai data validasi. Penelitian ini menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV3. Hasil performa model yang diperoleh pada penelitian ini adalah akurasi sebesar 45%, serta rata-rata dari hasil nilai precision sebesar 47%, recall sebesar 48% dan f1-score sebesar 45%. Lalu performa ditingkatkan menggunakan Fine-Tuning yang dimana menghasilkan akurasi sebesar 57%, serta rata-rata dari hasil nilai precision sebesar 62%, recall sebesar 57% dan f1-score sebesar 57%. Dapat disimpulkan bahwa metode CNN arsitektur MobileNetV3 dapat ditingkatkan menggunakan Fine-Tuning dalam klasifikasi 15 jenis ikan koi.
APA Style
. (2022).PENINGKATAN PERFORMA ARSITEKTUR MOBILENETV3 PADA KLASIFIKASI JENIS IKAN KOI DENGAN FINE-TUNING ().Teknik Informatika:FTI
Chicago Style
.PENINGKATAN PERFORMA ARSITEKTUR MOBILENETV3 PADA KLASIFIKASI JENIS IKAN KOI DENGAN FINE-TUNING ().Teknik Informatika:FTI,2022.Text
MLA Style
.PENINGKATAN PERFORMA ARSITEKTUR MOBILENETV3 PADA KLASIFIKASI JENIS IKAN KOI DENGAN FINE-TUNING ().Teknik Informatika:FTI,2022.Text
Turabian Style
.PENINGKATAN PERFORMA ARSITEKTUR MOBILENETV3 PADA KLASIFIKASI JENIS IKAN KOI DENGAN FINE-TUNING ().Teknik Informatika:FTI,2022.Text
