Padmadewi, Ayu Laksmi 1522028 (2019) Simulasi Estimasi Usia Menggunakan Metode Deep Label Distribution Learning (DLDL). Undergraduate thesis, Universitas Kristen Maranatha.
|
Text
1522028_Abstract_TOC.pdf - Accepted Version Download (1684Kb) | Preview |
|
![[img]](http://repository.maranatha.edu/style/images/fileicons/text.png) |
Text
1522028_Appendices.pdf - Accepted Version Restricted to Repository staff only Download (646Kb) |
|
|
Text
1522028_Chapter1.pdf - Accepted Version Download (44Kb) | Preview |
|
|
Text
1522028_Chapter2.pdf - Accepted Version Restricted to Repository staff only Download (650Kb) |
|
|
Text
1522028_Chapter3.pdf - Accepted Version Restricted to Repository staff only Download (474Kb) |
|
|
Text
1522028_Chapter4.pdf - Accepted Version Restricted to Repository staff only Download (197Kb) |
|
|
Text
1522028_Conclusion.pdf - Accepted Version Download (1681Kb) | Preview |
|
|
Text
1522028_Cover.pdf - Accepted Version Download (243Kb) | Preview |
|
|
Text
1522028_References.pdf - Accepted Version Download (268Kb) | Preview |
Abstract
Untuk mengestimasi usia dari sebuah citra wajah dengan label yang tepat dapat digunakan suatu jenis jaringan saraf tiruan, yaitu Convolutional Neural Network (CNN). Namun dalam penerapannya, CNN membutuhkan jumlah dataset yang banyak dan labelnya harus tidak ambigu. Dalam Tugas Akhir ini, dibuat perangkat lunak untuk menentukan label yang tepat sekaligus mengatasi masalah terbatasnya dataset, khususnya label usia yang tidak lengkap untuk setiap tingkatan usia, dengan menggunakan metode Deep Label Distribution Learning (DLDL). Unjuk kerja keberhasilan metode ini ditentukan berdasarkan kriteria nilai Mean Absolute Error (MAE) dan cumulative score (CS). Metode Deep Label Distribution Learning (DLDL) yang digunakan dalam Tugas Akhir ini mampu menghasilkan model yang baik karena didapatkan nilai MAE lebih kecil dari 3,51 dengan nilai akurasi di atas 80 % dan nilai error lebih kecil dari 0,31. Hasil estimasi usia yang didapatkan mempunyai tingkat akurasi yang baik.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Kata kunci: Convolutional Neural Network (CNN), Deep Label Distribution Learning (DLDL), Mean Absolute Error (MAE), dan Cumulative Score (CS). |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Faculty of Engineering > 22 Electrical Engineering Department |
| Depositing User: | Perpustakaan Maranatha |
| Date Deposited: | 18 Mar 2019 04:51 |
| Last Modified: | 18 Mar 2019 04:51 |
| URI: | http://repository.maranatha.edu/id/eprint/25988 |
Actions (login required)
 |
View Item |
