Pemanfaatan Aplikasi Teachable Machine Untuk Pengenalan Binatang Menggunakan Konsep Convolutional Neural Network (CNN)

Authors

  • Yoga Pratama Institut Sains & Teknologi AKPRIND Yogyakarta
  • Uning Lestari Institut Sains & Teknologi AKPRIND Yogyakarta
  • Amir Hamzah Institut Sains & Teknologi AKPRIND Yogyakarta

DOI:

https://doi.org/10.34151/script.v10i1.4067

Keywords:

Klasifikasi, Binatang, Teachable Machine, CNN, Dataset

Abstract

Permasalahan yang sering dijumpai oleh pengguna atau user dalam mengenal binatang, dimana kebanyakan pengguna atau user hanya mengenal atau mempelajari melalui perantara sebuah buku binatang, padahal buku hanya terdapat gambar dari berbagai macam bentuk binatang. Sehingga pengguna atau user hanya sebatas mengenali binatang berdasarkan nama maupun gambar tanpa mengenali suara dari binatang. Dengan adanya permasalahan sebagaimana yang telah dijelaskan tersebut, maka muncul sebuah gagasan dan keinginan dimana penulis akan mengembangkan sebuah aplikasi atau sistem yang digunakan sebagai bentuk media pembelajaran dalam mengenal dunia binatang dengan bantuan teknologi Machine Learning yang menggunakan metode Supervised Learning dengan menerapkan Algortima Convolutional Neural Network (CNN) dan platform Teachable Machine. Penelitian ini menghasilkan aplikasi atau sistem yang memudahkan pengguna atau user dalam mengenal dunia binatang, sehingga efek yang dirasakan pengguna atau user bisa dengan cepat memahami dan mempelajari tentang dunia binatang beserta gambar, nama dan suara pada aplikasi atau sistem. Berdasarkan hasil pengujian diperoleh hasil presentase tingkat akurasi klasifikasi dari pengujian data uji atau dataset baru dari masing-masing setiap binatang, dimana dari proses klasifikasi yang dilakukan tersebut jika benar atau sesuai dengan perintah maka akan memunculkan suara dan nama dari setiap masing-masing binatang yang diuji datasetnya. Sedangkan dataset binatang yang tidak dikenali oleh sistem, maka pengujian yang didapatkan dari hasil presentase tingkat akurasi klasifikasi mengalami kesalahan dalam mengenali dataset baru atau data uji yang datanya tidak memiliki kesamaan dengan dataset yang dilatih dari gambar binatang tersebut.

References

M. R. HAQ, "Efektivitas Pemanfaatan Teknologi dalam Pembelajaran Pendidikan Agama Islam Kelas V di Madrasah Ibtidaiyah Al-Irsyad Kota Madiun," Universitas Muhammadiyah Surabaya, Surabaya, 2016.

Universitas Ciputra, 2019. [Online]. Available: https://www.uc.ac.id/ict/perbedaan-supervised-learning-and-unsupervised-learning/. [Accessed 4 Mei 2021].

I. W. S. E. Putra, "Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101," JURNAL TEKNIK ITS, vol. 5, 2016.

U. Uminingsih and S. D. Handayani, "PENGORGANISASIAN KERJA SISTEM PARKIR MENGGUNAKAN ARSITEKTUR MICROSERVICE," Jurnal Teknologi, vol. 13, pp. 27-35, 2020.

M. Carney, B. Webster, I. Alvarado, K. Phillips, N. Howell, J. Griffith, J. Jongejan, A. Pitaru and A. Chen, Teachable Machine: Approachable Web-Based Tool for Exploring Machine Learning Classification, New York, NY, United States: Association for Computing Machinery, 2020.

T. F. Kusumaningrum, "IMPLEMENTASI CONVOLUTION NEURAL NETWORK (CNN) UNTUK KLASIFIKASI JAMUR KONSUMSI DI INDONESIA MENGGUNAKAN KERAS," Universitas Islam Indonesia, Yogyakarta, 2018.

F. E. Ramadhan, "Penerapan image classification dengan pre-trained model mobilenet dalam client-side machine learning," Fakultas Sains dan Teknologi Universitas Islam Negeri Syarif Hidayatullah Jakarta, Jakarta, 2020.

Downloads

Published

2022-09-15