IMPLEMENTASI MEDIAN FILTER DAN SEGMENTASI PADA MODEL INCEPTIONV3 UNTUK PENDETEKSIAN HURUF BRAILLE

Latip, Abdul (2024) IMPLEMENTASI MEDIAN FILTER DAN SEGMENTASI PADA MODEL INCEPTIONV3 UNTUK PENDETEKSIAN HURUF BRAILLE. Sarjana thesis, Universitas Siliwangi.

[img] Text
1 cover.pdf
Download (182kB)
[img] Text
2 lembar pengesahan.pdf
Download (229kB)
[img] Text
3 lembar penguji.pdf
Download (205kB)
[img] Text
4 lembar pernyataan.pdf
Download (162kB)
[img] Text
5 abstrak.pdf
Download (142kB)
[img] Text
6 lembar persembahan.pdf
Download (203kB)
[img] Text
7 kata pengantar.pdf
Download (206kB)
[img] Text
8 daftar isi, daftar tabel, daftar gambar, daftar lampiran.pdf
Download (201kB)
[img] Text
9 bab 1.pdf
Download (152kB)
[img] Text
10 bab 2.pdf
Download (855kB)
[img] Text
11 bab 3.pdf
Download (636kB)
[img] Text
12 bab 4.pdf
Restricted to Repository staff only
Download (1MB)
[img] Text
13 bab 5.pdf
Restricted to Repository staff only
Download (142kB)
[img] Text
14 daftar pustaka.pdf
Download (295kB)
[img] Text
15 lampiran.pdf
Restricted to Repository staff only
Download (2MB)

Abstract

Penelitian ini bertujuan untuk mendeteksi pola huruf Braille menggunakan arsitektur InceptionV3 dengan penerapan median filter dan segmentasi citra. Dataset yang digunakan terdiri dari 4.160 gambar Braille dengan rata-rata 160 gambar per karakter dari A hingga Z. Data dibagi menjadi 3.900 gambar untuk pelatihan, yang kemudian dibagi lagi menjadi 3.120 data pelatihan dan 780 data validasi, serta 260 gambar untuk pengujian. Gambar diubah ukurannya menjadi 299x299 piksel sebelum dimasukkan ke dalam model. Penelitian ini menggunakan 100 epoch dan menerapkan early stopping untuk mencegah overfitting. Dua nilai learning rate yang diuji adalah 0.001 dan 0.0001. Hasil penelitian menunjukkan bahwa kombinasi median filter dan segmentasi pada learning rate 0,001 memberikan performa terbaik, mencapai akurasi tertinggi 99,65% dengan nilai precision, recall, dan F1 score yang konsisten tinggi. Pengujian ini juga menemukan bahwa learning rate yang lebih tinggi menghasilkan performa yang lebih baik dibandingkan learning rate lebih rendah, baik dengan maupun tanpa preprocessing. Temuan ini menunjukkan bahwa kombinasi median filter dan segmentasi efektif meningkatkan performa model dalam mendeteksi pola Braille. Kata Kunci : Braille, CNN, InceptionV3, segmantasi, learning rate

Item Type: Thesis (Sarjana)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik > Informatika
Depositing User: Lelis Masridah
Date Deposited: 20 Jan 2025 07:41
Last Modified: 20 Jan 2025 07:41
URI: http://repositori.unsil.ac.id/id/eprint/14930

Actions (login required)

View Item View Item