<?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="17847">
<titleInfo>
<title><![CDATA[OPTIMASI SSDMOBILENET-V2 DENGAN MENGGUNAKAN FEATURE PYRAMID NETWORK DAN HYPERPARAMETER TUNING BAYESIAN SEARCH UNTUK MENDETEKSI OBJEK PADA VIDEO]]></title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Irma Amelia Dewi, S.Kom., M.T.</namePart>
<role><roleTerm type="text">Dosen Pembimbing 1</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Naufal Faishal Falah / 152019010</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[2024]]></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>Penelitian ini bertujuan untuk mengukur kinerja model deteksi objek kendaraan pada akurasi dan kecepatan model menggunakan pendekatan deep learning, dengan model yang digunakan yaitu SSDMobilenetV2 yang di optimasi dengan Feature Pyramid Network dan hyperparameter tuning Bayesian search. Dengan fokus pada 2 kelas utama yaitu car dan motorbike penelitian melibatkan pemisahan dataset untuk pelatihan, validasi, dan pengujian, bersama dengan optimalisasi kombinasi hyperparameter tuning menggunakan metode pencarian Bayesian search. Temuan penelitian menunjukkan bahwa pada iterasi keempat, model mencapai Mean Average Precision (mAP) terbaik. Dengan menggunakan kombinasi hyperparameter Optimizer Momentum, Learning_rate 0.00425, dan Batch_size 11. Pada model SSDMobilenetV2 mendapatkan AP pada IoU 0.50 mencapai 0.843 dan mendapatkan 14.87FPS. Lalu pada model SSDMobilenetV2-FPN mendapatkan AP pada IoU 0.50 mencapai 0.925 dan mendapatkan 14.94fps. Terjadi peningkatan AP sebesar 8% dan kenaikan pada Frame Per Second (FPS) sebesar 0.07fps,</note>
<subject authority=""><topic><![CDATA[FPN]]></topic></subject>
<subject authority=""><topic><![CDATA[Mobilenetv2]]></topic></subject>
<subject authority=""><topic><![CDATA[SSD]]></topic></subject>
<subject authority=""><topic><![CDATA[Bayesian Search]]></topic></subject>
<subject authority=""><topic><![CDATA[Deep Learning]]></topic></subject>
<classification><![CDATA[]]></classification><identifier type="isbn"><![CDATA[]]></identifier><location>
<physicalLocation><![CDATA[Setiadi Open Source ETD System]]></physicalLocation>
<shelfLocator><![CDATA[728IF/24]]></shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1"><![CDATA[728IF/24]]></numerationAndChronology>
<sublocation><![CDATA[My Library]]></sublocation>
<shelfLocator><![CDATA[728IF/24]]></shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<slims:digitals>
<slims:digital_item id="19404" url="" path="/152019010_728IF.pdf" mimetype="application/pdf"><![CDATA[OPTIMASI SSDMOBILENET-V2 DENGAN MENGGUNAKAN FEATURE PYRAMID NETWORK DAN HYPERPARAMETER TUNING BAYESIAN SEARCH UNTUK MENDETEKSI OBJEK PADA VIDEO]]></slims:digital_item>
</slims:digitals><recordInfo>
<recordIdentifier><![CDATA[17847]]></recordIdentifier>
<recordCreationDate encoding="w3cdtf"><![CDATA[2024-02-07 11:21:17]]></recordCreationDate>
<recordChangeDate encoding="w3cdtf"><![CDATA[2024-02-07 11:21:28]]></recordChangeDate>
<recordOrigin><![CDATA[machine generated]]></recordOrigin>
</recordInfo></mods></modsCollection>