<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="15092">
<titleInfo>
<title><![CDATA[PENINGKATAN MODEL ARSITEKTUR CNN VGG-16 MENGGUNAKAN FINE TUNING PADA KLASIFIKASI RAS KUCING MELALUI GAMBAR]]></title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>0404057502 - Youllia Indrawaty Nurhasah, ST., MT.</namePart>
<role><roleTerm type="text">Dosen Pembimbing 1</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>REVI MOCHAMAD FIKRY/152017071</namePart>
<role><roleTerm type="text">Penulis</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes"><![CDATA[mixed material]]></typeOfResource>
<genre authority="marcgt"><![CDATA[bibliography]]></genre>
<originInfo>
<place><placeTerm type="text"><![CDATA[Teknik Informatika]]></placeTerm></place>
<publisher><![CDATA[FTI]]></publisher>
<dateIssued><![CDATA[2023]]></dateIssued>
<issuance><![CDATA[monographic]]></issuance>
<edition><![CDATA[0]]></edition>
</originInfo>
<language>
<languageTerm type="code"><![CDATA[en]]></languageTerm>
<languageTerm type="text"><![CDATA[English]]></languageTerm>
</language>
<physicalDescription>
<form authority="gmd"><![CDATA[Text]]></form>
<extent><![CDATA[]]></extent>
</physicalDescription>
<note>Peningkatan model arsitektur CNN VGG-16 menggunakan fine tuning pada klasifikasi ras kucing melalui gambar merupakan suatu metode yang dapat digunakan untuk meningkatkan kemampuan sistem dalam mengklasifikasikan ras kucing berdasarkan gambar. Penelitian ini dilakukan dengan menggunakan dataset gambar ras kucing yang terdiri dari 11 jenis ras kucing (Bengal, Birman, Bombay, British Shorthair, Dilute Calico, Egyptian Mau, Maine Coon, Persian, Ragdoll, Sphynx, Tuxedo ). Model arsitektur CNN VGG-16 yang telah ditraining
sebelumnya dioptimalkan dengan metode fine tuning agar dapat lebih akurat dalam mengklasifikasikan ras kucing. Hasil dari penelitian ini menunjukkan bahwa penerapan fine tuning pada model arsitektur CNN VGG-16 dapat meningkatkan kinerja antara model VGG-16 sebagai berikut : Fine Tuning 0 dengan Fine Tuning 1 adalah 27.7%.</note>
<subject authority=""><topic><![CDATA[VGG-16, Fine Tuning, Kucing, CNN, Peningkatan Mode]]></topic></subject>
<classification><![CDATA[]]></classification><identifier type="isbn"><![CDATA[20230124]]></identifier><location>
<physicalLocation><![CDATA[Setiadi Open Source ETD System]]></physicalLocation>
<shelfLocator><![CDATA[653IF/23]]></shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1"><![CDATA[653IF/23]]></numerationAndChronology>
<sublocation><![CDATA[My Library]]></sublocation>
<shelfLocator><![CDATA[653IF/23]]></shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<slims:digitals>
<slims:digital_item id="15202" url="" path="/152017071_653IF.pdf" mimetype="application/pdf"><![CDATA[PENINGKATAN MODEL ARSITEKTUR CNN VGG-16 MENGGUNAKAN FINE TUNING PADA KLASIFIKASI RAS KUCING MELALUI GAMBAR]]></slims:digital_item>
</slims:digitals><recordInfo>
<recordIdentifier><![CDATA[15092]]></recordIdentifier>
<recordCreationDate encoding="w3cdtf"><![CDATA[2023-06-09 10:48:31]]></recordCreationDate>
<recordChangeDate encoding="w3cdtf"><![CDATA[2023-06-09 10:48:45]]></recordChangeDate>
<recordOrigin><![CDATA[machine generated]]></recordOrigin>
</recordInfo></mods></modsCollection>