Text

Klasifikasi Kecacatan Model Selongsong Peluru menggunakan Convolutional Neural Network (CNN) dengan Arsitektur ResNet50

---

Proses pembuatan selongsong peluru melibatkan pemindaian dan pemilahan untuk
menentukan kondisi baik atau cacat dari jenis selongsong peluru. Pemindaian kualitas peluru
selama ini masih bergantung pada sumber daya manusia yang rentan untuk melakukan
penilaian secara subjektif sehingga konsistensi, kelelahan, dan keterbatasan waktu menjadi
masalah utama yang kerap terjadi pada proses produksi. Proses klasifikasi selongsong peluru
juga memiliki kendala pada tingkat kompleksitas serta jumlah variasi dari jenis selongsong
peluru yang dapat diklasifikasikan. Dari berbagai permasalahan tersebut, Penelitian ini
dilaksanakan sebagai respons terhadap upaya untuk mengatasi berbagai kendala dalam
melakukan klasifikasi citra untuk mengevaluasi kecacatan model selongsong peluru. Tujuan
penelitian ini adalah mencari hyperparameter untuk membuat model terbaik dengan
mengukur akurasi klasifikasi tingkat kecacatan model selongsong peluru. Penelitian ini
menggunakan model Convolutional Neural Network (CNN) dengan arsitektur Residual
Network 50 (ResNet50) beserta sejumlah hyperparameter seperti batch size, learning rate,
dan dropout. Pemilihan model CNN dengan arsitektur ResNet50 didasarkan pada
kemampuannya yang efisien dalam mempelajari fitur-fitur citra dan mengidentifikasi jenis
peluru dengan akurasi tinggi dibandingkan dengan model klasifikasi tradisional. Hasil
pengujian menunjukkan bahwa model CNN dengan arsitektur ResNet50 menghasilkan
akurasi terbaik dengan menggunakan metode evaluasi akurasi Confusion Matrix, mencapai
hasil pengujian akurasi sebesar 0,9661. Penelitian ini diharapkan dapat menghasilkan model
klasifikasi peluru dengan hyperparameter terbaik menggunakan arsitektur ResNet50,
berpotensi memajukan teknologi klasifikasi selongsong peluru.
Kata kunci : Klasifikasi Citra, Peluru, Convolutional Neural Network, ResNet50

---

Ketersediaan

1233F2023

1233 F 2023

Perpustakaan FSM Undip

Tersedia

Informasi Detail

Judul Seri

-

No. Panggil

1233 F 2023

Penerbit

: .,

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Muhammad Keenan Fathurrahman

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar