• mahkota212.com
  • http://adoornri.com/
  • yokaislot
  • slot gacor
  • https://kadinkabserambarat.org/tentang-kadin/
  • https://kadinkabhalmaheratengah.org/tentang-kadin/
  • situs slot gacor hari ini
  • https://metallagi.com/
  • https://sistel.semarangkota.go.id/
  • https://bkd.siakkab.go.id/
  • https://kadintegal.org/tentang-kadin/
  • https://ejournal.bsi.ac.id/ejurnal/index.php/abdimas
  • https://sippbb.purwakartakab.go.id/maps/
  • http://pustaka.fib.unand.ac.id/
  • slot gacor
  • slot777
  • https://awangbangkalbarat.banjarkab.go.id/
  • https://www.scienceworksforus.com/press-releases/one-week-and-counting-dont-cut-the-research-that-fuels-the-u-s-economy
  • https://washrightsnetwork.org/free-spins-existing-customers-no-deposit-2025-australia/
  • https://catalogue.paramadina.ac.id/
  • https://kadinlangara.org/XNXX/
  • https://kadinpcmataram.org/kontak/
  • https://merch.emma-larson.com/products
  • https://kadinkabbireuen.org/tentang-kadin/
  • https://kadinkotabatang.org/XVIDEOS/
  • https://motherscareivfcentre.com/about-us-2/appointments/
  • https://tiwet.web.id/orc/
  • https://babelankota.kabbekasi.id/
  • situs slot gacor
  • https://anggota.kadinpcmataram.org/
    • KLASIFIKASI KEPEMILIKAN TANDA TANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR NASNETMOBILE KLASIFIKASI KEPEMILIKAN TANDA TANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR NASNETMOBILE

    Detail Cantuman

    Prodi Teknik Informatika

    KLASIFIKASI KEPEMILIKAN TANDA TANGAN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN ARSITEKTUR NASNETMOBILE

    XML

    Pengenalan tanda tangan merupakan bukti penting dalam memvalidasi keasliansuatu dokumen, menegaskan bahwa setiap tanda tangan bersifat unik dan berbeda.Karena itu, tanda tangan tidak boleh disalahgunakan karena dapat menimbulkankonsekuensi yang serius. Klasifikasi kepemilikan tanda tangan diperlukan untukmenentukan siapa pemiliknya. Penelitian ini bertujuan untuk mengklasifikasi polatanda tangan individu dengan menggunakan Convolutional Neural Network yangberarsitektur NASNetMobile. Dataset penelitian berupa gambar tanda tangan yangdiperoleh dari 18 Kepala Desa di Kecamatan Kalikajar, di mana setiap kepala desamenandatangani tanda tangannya sendiri sebanyak 50 kali sehingga total yangterkumpul sebanyak 900 gambar tanda tangan, yang akan dibagi sebagai berikut:720 gambar tanda tangan (80%) untuk data latih, 90 gambar tanda tangan (10%)untuk data uji, dan 90 gambar tanda tangan (10%) untuk data validasi. Dalampenelitian ini, dua optimizer digunakan, yaitu Adam dan RMSprop, denganlearning rate sebesar 0,001 untuk kedua optimizer tersebut dan percobaan nilaiepoch 20, 30, 40 dan 50. Masing-masing optimizer diuji untuk menghasilkan nilaiprecision, recall, dan accuracy yang berbeda-beda. Pengujian pada dataset internalmenunjukkan bahwa optimizer RMSProp mencapai tingkat akurasi tertinggi, yaitusebesar 100%.
    Kata Kunci : Tanda tangan, Convolutional Neural Network, ArsitekturNASNetMobile.

    Detail Information

    Item Type
    Laporan Tugas Akhir
    Penulis
    Ahmad Rohim - Personal Name
    Student ID
    2020157018
    Dosen Pembimbing
    Hidayatus Sibyan, M.Kom - - Dosen Pembimbing 1
    Nahar Mardiyantoro, M.Kom. - - Dosen Pembimbing 2
    Penguji
    Kode Prodi PDDIKTI
    55201
    Edisi
    Published
    Departement
    teknik informatika
    Kontributor
    Bahasa
    Indonesia
    Penerbit Universitas Sains Al-Qur'an : Wonosobo.,
    Edisi
    Published
    Subyek
    Teknik Informatika
    No Panggil
    Copyright
    Individu Penulis
    Doi

    Lampiran Berkas

    LOADING LIST...



    Informasi

    DETAIL CANTUMAN

    Kembali ke sebelumnya  XML Detail