Pada proses akuisisi amplitudo data keadaan ketidaktepatan suatu sinyal dengan peristiwa tidak tetapnya nilai puncak amplitudo pada suatu data disebut fluktuasi. penelitian ini menggunakan data sinyal pola fluktuasi high-high fluctuation (hhf) dari data hasil akuisisi multi spektral sensor kapasitif (mssk) dengan objek hidrogen dioksida (h2o) dan hidrogen dioksida (h2o) dicampur dengan natrium hidroksida (naoh) yang telah dibuat kedalam bentuk matrik. hasil dari akuisisi data pada penelitian sebelumnya memiliki beberapa bagian yang sulit dibedakan secara kasat mata. metode yang digunakan pada penelitian ini berupa penerapan metode cnn pada pengenalan citra pola fluktuasi sinyal bertipe hhf dari bahan h2o dan h2o dicampur naoh dengan arsitektur yang digunakan pada penelitian ini yaitu alexnet. kemudian kelompok data h2o dan h2o dicampur naoh dikelompokkan menjadi kelompok data latih sebanyak 280 data citra untuk kedua data tersebut dan untuk data uji sebanyak 70 data citra untuk kedua data tersebut. pada tahap pelatihan jumlah epoch yang dilakukan adalah sebanyak 20 epoch. akan tetapi pada saat jumlah epoch mencapai 15, tingkat akurasi yang didapatkan sudah tinggi yaitu 98%. selanjutnya pada tahap pengujian dari jumlah total kedua bahan tersebut sebanyak 70 data citra sudah dapat dikenali keseluruhan secara tepat melalui program cnn dengan nilai precission, recall dan f-score sebesar 100%.
Electronic Theses and Dissertation
Universitas Syiah Kuala
NULL
PENERAPAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) PADA PENGENALAN POLA FLUKTUASI CITRA SINYAL BERTIPE HIGH-HIGH FLUCTUATION (HHF). Banda Aceh Universitas Syiah Kuala,2021
Baca Juga : PERBANDINGAN ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK LENET-5 DAN ALEXNET DALAM PENGENALAN KARAKTER PLAT NOMOR KENDARAAN BERMOTOR (Firman Maulana Adhari, 2021)
Abstract
Baca Juga : PENGENALAN WAJAH CITRA CROSS SPECTRAL BERBASIS DEEP LEARNING RNMENGGUNAKAN ARSITEKTUR MOBILENETV2 (NIZRINA YUNDA PUTRI, 2022)