Fino Charli
Universitas Bina Darma

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Implementasi Metode Faster Region Convolutional Neural Network (Faster R-CNN) Untuk Pengenalan Jenis Burung Lovebird Fino Charli; Hadi Syaputra; Muhammad Akbar; Siti Sauda; Febriyanti Panjaitan
Journal of Information Technology Ampera Vol. 1 No. 3 (2020): Journal of Information Technology Ampera
Publisher : APTIKOM SUMSEL

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51519/journalita.volume1.isssue3.year2020.page185-197

Abstract

Lovebird merupakan burung sosial yang hidup berkelompok di alam bebas. Burung dari genus Agapornis ini ukuran tubuhnya relative mungil bila dibanding burung berparuh bengkok lainnya. Panjangnya sekitar 13-17 cm dengan bobot 30-60 gram. Ragam dan jenis burung lovebird sangat banyak namun bila dilihat dengan pendeketan taksonomi, hanya terdapat 9 spesies burung lovebird. Penelitian metode Faster Region Convolutional Neural Network ini digunakan untuk mengenali jenis burung lovebird guna mencari tahu motif atau warna asli dari jenis burung lovebird tertentu berdasarkan tingkat akurasi dari hasil deteksi objek. Faster R-CNN merupakan pengembangan Convolutional Neural Network (CNN) yang ditemukan oleh Ross Girshick. Sampai saat ini metode ini masih terus dikembangkan dan digunakan untuk pengenalan objek atau objek recognition. Penelitian ini menggunakan data set burung lovebird dengan total 808 gambar dan 8 (kelas) yaitu Agapornis Personata, Agapornis Fischeri, Agapornis Lilianae, Agapornis Nigrigenis, Agapornis Roseicollis, Agapornis Taranta, Agapornis Pullarius, Agapornis Canus. Hasil dari proses learning didapatkan akurasi sebesar 96% dengan loss sebesar 0,2% . sehingga dapat disimpulkan bahwa metode Faster R-CNN dapat diterapkan pada pengenalan jenis burung lovebird.