PENERAPAN CONVOLUTION NEURAL NETWORK (CNN) UNTUK DETEKSI MEGALITIKUM DI SULAWESI TENGAH BERBASIS MOBILE

Moh. Fahmi
Rahma Laila
Mohammad Yazdi Pusadan - [ https://orcid.org/0000-0002-6461-2423 ]
Syahrullah Syahrullah
Ryfial Azhar
Ilham Abdillah Sani
Magfirah Magfirah


DOI: https://doi.org/10.29100/jipi.v10i3.6458

Abstract


Taman Nasional Lore Lindu di Sulawesi Tengah, Indonesia, memiliki berbagai objek megalitikum, termasuk arca, kalamba, lumpang, dan batu dulang. Kawasan ini memiliki potensi untuk secara resmi diakui sebagai Situs Warisan Dunia, namun pengguna masih menghadapi tantangan dalam mengidentifikasi dan memahami artefak megalitikum ini. Sebagai tanggapan atas masalah ini, penelitian ini telah menciptakan sistem atau aplikasi yang menggunakan algoritma CNN (Convolutional Neural Network) dengan platform Teachable Machine untuk meningkatkan kemampuan pengguna dalam mengidentifikasi objek megalitikum. Program ini akan menawarkan informasi yang lebih luas untuk setiap objek megalitikum, termasuk penggunaan yang dimaksudkan dan konteks sejarahnya. Temuan uji menunjukkan bahwa program ini memiliki kemampuan untuk mengidentifikasi objek megalitikum dengan tingkat akurasi hingga 98%. Selain itu, pengguna dapat dengan mudah mengakses informasi yang lebih komprehensif tentang artefak-artefak ini. Program ini memungkinkan pengguna untuk dengan mudah mengidentifikasi dan memahami objek megalitikum, sambil juga memberikan mereka informasi yang lebih mendalam tentang artefak-artefak tersebut.

Keywords


Android ; CNN ; Deteksi Objek ; Megalitikum ; Teachable Machine

Full Text:

PDF

Article Metrics :

References


B. M. Soro et al., “Identifikasi Batuan Megalit Terpendam Menggunakan Metode Geomagnet di Situs Megalitik Tadulako Kecamatan Lore Tengah Kabupaten Poso Identification of Undersurface Megalite Rock Using Geomagnet Method in Megalitic Site of Tadulako in Central Lore District Poso Regency,” Natural Science: Journal of Science and Technology ISSN, vol. 8, no. 1, pp. 8–19, 2019.

S. Srifridayanti, “Model Kebijakan Pengelolaan dan Pemanfaatan Cagar Budaya Sebagai Potensi Wisata Di Sulawesi Tengah,” PARADIGMA : Jurnal Administrasi Publik, vol. 3, no. 1, pp. 73–83, Mar. 2024, doi: 10.55100/paradigma.v3i1.65.

B. P. Perancang et al., “Efektifitas Pelestarian Cagar Budaya Dalam ... ( Bagus Prasetyo) EFEKTIFITAS PELESTARIAN CAGAR BUDAYA DALAM UNDANG-UNDANG NOMOR 11 TAHUN 2010 TENTANG CAGAR BUDAYA.” [Online]. Available: https://kebudayaan.kemdikbud.

BALAI PELESTARIAN CAGAR BUDAYA GORONTALO, “K A J I A N D E L I N E A S I,” 2018.

A. Irawati, S. Supriyadi, and N. Priyantari, “Eksplorasi Artefak Zaman Megalitikum Berdasarkan Citra Bawah Permukaan Menggunakan Metode Geolistrik Resistivitas di Dusun Kendal Desa Kamal Kec.Arjasa Kab. Jember,” Jurnal Fisika Flux: Jurnal Ilmi-ah Fisika FMIPA Universitas Lambung Mangkurat, vol. 17, no. 1, p. 44, Feb. 2020, doi: 10.20527/flux.v17i1.6595.

G. Ajeng Hamindhani, D. Junita Koesoemawati, D. Quinta Revana, M. Jurnal Perencanaan Wilayah dan Kota, and P. Daya Tarik Wisata Megalitikum Melalui Konservasi dan Preservasi Situs Duplang Berbasis Masyarakat di Kabupaten Jember, “Increasing Mega-lithic Tourist Attractions Through Community-Based Conservation and Preservation of Duplang Sites in Jember Regency”, [Online]. Available: https://jurnal.unej.ac.id/index.php/MATRAPOLIS/index

Y. Pratama, U. Lestari, and A. Hamzah, “PEMANFAATAN APLIKASI TEACHABLE MACHINE UNTUK PENGENALAN BINATANG MENGGUNAKAN KONSEP CONVOLUTIONAL NEURAL NETWORK (CNN),” vol. 10, no. 1, 2022.

M. Kualitas Dari Biji Kopi Berbasis Android Fadli Kamil, “Pengolahan Citra Digital Menggunakan Metode Yolo Untuk,” 2023. [Online]. Available: https://jurnalmahasiswa.com/index.php/aidanspk

S. Ilahiyah and A. Nilogiri, “Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network”.

Google, “teachable machine.” Accessed: Aug. 02, 2024. [Online]. Available: https://teachablemachine.withgoogle.com/

“Mengenal Transfer Learning di Tipe Machine Learning,” Google. Accessed: Aug. 02, 2024. [Online]. Available: https://dqlab.id/mengenal-transfer-learning-di-tipe-machine-learning

R. A. Tilasefana and R. E. Putra, “Penerapan Metode Deep Learning Menggunakan Algoritma CNN Dengan Arsitektur VGG NET Un-tuk Pengenalan Cuaca,” Journal of Informatics and Computer Science, vol. 05, 2023.

M. Bagus Baihaqi, Y. Litanianda, and A. Triyanto, “url : http://studentjournal.umpo.ac.id/index.php/komputek IMPLEMENTASI TENSOR FLOW LITE PADA TEACHABLE UNTUK IDENTIFIKASI TANAMAN AGLONEMA BERBASIS ANDROID,” 2022. [Online]. Available: http://studentjournal.umpo.ac.id/index.php/komputek

D. Immanuel Salintohe, I. Alwiah Musdar, T. Informatika, and S. Kharisma Makassar, “IMPLEMENTASI MACHINE LEARNING UNTUK MENGIDENTIFIKASI TANAMAN HIAS PADA APLIKASI TIERRA,” JTRISTE, vol. 9, no. 1, pp. 1–15, 2022.

T. A. Bowo, H. Syaputra, and M. Akbar, “Penerapan Algoritma Convolutional Neural Network Untuk Klasifikasi Motif Citra Batik Solo,” 2020. [Online]. Available: https://journal-computing.org/index.php/journal-sea/index

E. A. U. Malahina, R. P. Hadjon, and F. Y. Bisilisin, “Teachable Machine: Real-Time Attendance of Students Based on Open Source System,” The IJICS (International Journal of Informatics and Computer Science), vol. 6, no. 3, p. 140, Nov. 2022, doi: 10.30865/ijics.v6i3.4928.

Purwanto and Sumardi, “Perancangan Klasifikasi Tanaman Herbal Menggunakan Transfer Learning pada Algoritma Convolutional Neural Network (CNN),” JURNAL INFOKAM, vol. 18, no. 2, pp. 1–17, 2022.

“Analisis Sistem Informasi Akuntansi Siklus Pendapatan Menggunakan DFD Dan Flowchart Pada Bisnis Porobico.”

I. Rahmawati and D. P. Sari, “APLIKASI BERBASIS ANDROID MENGGUNAKAN FLUTTER FRAMEWORK UNTUK KEPERLUAN PERIZINAN TUGAS KELUAR PADA PT. XYZ,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 2, pp. 979–993, May 2024, doi: 10.29100/jipi.v9i2.5489.

N. Kristanto and F. Masya, “Analisa Dan Perancangan Sistem Informasi E-Booking Property Berbasis Android,” 2020. [Online]. Available: https://jurnal.ikhafi.or.id/index.php/jusibi/540

R. Andriani et al., “Penggunaan Algoritma CNN untuk Mengidentifikasi Jenis Anjing Menggunakan Metode Supervised Learning,” Jurnal Penelitian dan Karya Ilmiah, vol. 1, no. 6, pp. 393–403, 2023, doi: 10.59059/mutiara.v1i6.741.

F. Setyo Efendi, L. Fanani, and A. Afif Supianto, “Rancang Bangun Aplikasi Pendukung untuk Observasi Kelas berbasis Mobile,” 2020. [Online]. Available: http://j-ptiik.ub.ac.id

A. Farid, L. Ardiantoro, and Y. Diah Rosita, “IMPLEMENTASI TEACHABLE MACHINE PADA APLIKASI ABSENSI SISWA,” APPLIED SCIENCE, ENGINEERING, AND TECHNOLOGY, vol. 2, no. 1, 2023.

R. S. Budiawan and B. Hartono, “Pengembangan Sistem Pendeteksi Jenis Sayuran dengan Metode CNN Berbasis Android,” Jurnal Informatika dan Rekayasa Perangkat Lunak, vol. 5, no. 1, p. 62, Mar. 2023, doi: 10.36499/jinrpl.v5i1.7833.


Tips Main yang Aman dan Seru

judi bolavipbet88vipbet88bolago88clubjudisitus slot online