Implementasi Artificial Neural Network (ANN) Untuk Klasifikasi Buah Pada Permainan Cerdas Tebak Buah untuk Taman Kanak-Kanak.

Theresia, Retno Widiana (2022) Implementasi Artificial Neural Network (ANN) Untuk Klasifikasi Buah Pada Permainan Cerdas Tebak Buah untuk Taman Kanak-Kanak. S1 Teknik Informatika thesis, STMIK Widya Cipta Dharma.

	Text 1943904-S1-Jurnal.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text 1943904-S1-Teknik Informatika.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Theresia Retno Widiana 2022, Implementasi Artificial Neural Network (ANN) Untuk Klasifikasi Buah Pada Permainan Cerdas Tebak Buah untuk Taman Kanak-Kanak. Skripsi Program Studi Teknik Informatika, Sekolah Tinggi Manajemen Informatika dan Komputer Widya Cipta Dharma, Pembimbing Utama: Wahyuni, S.kom., M.Kom., Pembimbing Pendamping: Pitrasacha Adytia, S.T., M.T. Kata Kunci : Artificial Neural Network, Permainan Cerdas, Klasifikasi Buah. Multimedia pada saat ini banyak digunakan sebagai media pembelajaran terutama pada taman kanak-kanak. Seperti pada game edukasi yang sering dijumpai pada saat ini memiliki sifat yang pasif, yang hanya menglik setiap tombol yang ada pada permainan sehinga tidak memiliki perbedaan. Pada penelitian ini pemanfaatan jaringan syaraf tiruan digunakan sebagai pusat pengetahuan bagi kecerdasan buatan pada permainan cerdas tebak buah. Jaringan syaraf tiruan dirasa tepat untuk menjadi pusat kecerdasan buatan karena jaringan syaraf tiruan menawarkan kecerdasan buatan yang terus berevolusi menjadi semakin pandai. Untuk mengatasi masalah tersebut maka diperlukan algoritma artificial neural network (ANN) untuk membuat game edukasi menjadi lebih cerdas. Dalam penelitian ini menggunakan metode pengembangan sistem Multimedia Development Life Cycle (MDLC). Permainan ini menggunakan HTML sebagai user interface dan dibangun menggunakan sublime text sebagai teks editor. Metode pengujiannya menggunakan pengujian Confusion Matrix yang dapat memberikan informasi presicion, recall, fi-score dan Pengujian Black Box untuk melihat fungsi dari button-buton yang ada pada permainan dapat berfungsi dengan baik. Accurary mengambarkan seberapa akurat model dalam mengklasifikasi dengan benar. Pada penelitian ini menghasilkan nilai akurasi sebesar 97% artinya model dapat mengklasifikasikan gambar buah dengan baik. Pada saat melakukan proses prediksi gambar membutuhkan waktu yang cukup lama hal tersebut disebabkan model melakukan pengenalan pola/bentuk setiap jenis buah. Semakin banyak jenis buah yang digunakan maka semakin lama model melakukan proses prediksi. ======================================================================================================================== Theresia Retno Widiana 2022, Implementation of Artificial Neural Network (ANN) for Fruit Classification in Fruit Guessing Smart Games for Kindergarten. Thesis of Informatics Engineering Study Program, Widya Cipta Dharma College of Informatics and Computer Management, Main Supervisor: Wahyuni, S.kom., M.Kom., Assistant Supervisor: Pitrasacha Adytia, S.T., M.T. Keywords: Artificial Neural Networks, Smart Games, Fruit Classification. Multimedia is currently widely used as a medium of learning, especially in kindergarten. As in educational games that are often found today, they have a passive nature, which only clicks every button on the game so there is no difference. In this study, the use of an artificial network is used as a knowledge center for artificial intelligence in the guessing fruit game. The right artificial network to become the center of artificial intelligence because the artificial intelligence artificial network that continues to evolve is getting smarter. To overcome this problem, an artificial neural network (ANN) algorithm is needed to make educational games smarter. In this research, using the Multimedia Development Life Cycle (MDLC) system development method. The game uses HTML as the user interface and is built using sublime text as a text editor. The test method uses the Confusion Matrix test which can provide precision information, recall, fi-score and Black Box Testing to see that the functions of the buttons in the game can work properly. Describing the accuracy of how accurate the model is in classifying correctly. In this study, an accuracy value of 97% means that the model can classify fruit images well. During the image prediction process, it takes quite a long time, this is because the model recognizes the pattern/shape of each type of fruit. The more types of fruit used, the longer the model takes to predict.

Item Type:	Thesis (S1 Teknik Informatika)
Additional Information:	Pembimbing 1 : Wahyuni, S.kom., M.Kom. Pembimbing 2 : Pitrasacha Adytia, S.T., M.T.
Uncontrolled Keywords:	Artificial Neural Network, Permainan Cerdas, Klasifikasi Buah.
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Teknik Informatika
Depositing User:	Theresia Retno Widiana
Date Deposited:	15 Aug 2022 03:09
Last Modified:	15 Aug 2022 03:09
URI:	http://repository.wicida.ac.id/id/eprint/4283

Actions (login required)

View Item