PENGENALAN GERAKAN TANGAN MANUSIA MENGGUNAKAN DEEP NEURAL NETWORK SKRIPSI EKA PRATIWI GOENFI
Teks penuh
Dokumen terkait
Pada penelitian ini, peneliti menggunakan teknik-teknik Computer Vision untuk mengenali gerakan tangan sebagai alat interaksi manusia dan komputer untuk mengendalikan
Adapun berbagai tantangan yang dihadapi dalam mengenali gerakan tangan manusia yaitu mencakup permasalahan kondisi iluminasi yang bervariasi, rotasi tangan, latar belakang
Kesimpulan yang dapat diambil dari percobaan adalah dengan menggunakan input layer 35 dan 50 hidden layer dan 10 output pada NN yang dibuat, cukup mampu untuk melakukan
Pada penelitian ini dibuat sistem analisa akurasi performa pengenalan tulisan tangan angka menggunakan metode Convolutional Neural Network atau yang dikenal dengan
Jumlah arsitektur jaringan hidden layer yang menghasilkan akurasi terbaik adalah arsitektur dengan 3 hidden layer yang meberikan nilai akurasi 87.06% pada RBFNN secara umum,
sebaliknya semakin besar nilai Hidden Layer maka semakin besar tingkat akurasi yang didapatkan Kesalahan identifikasi dipengaruhi oleh fitur yang didapatkan pada hasil segmentasi
didapatkan presisi tertinggi pada percobaan pertama dari fold ke 7 yakni dengan nilai akurasi sebesar 90%, (2) Tingkat rata-rata akurasi klasifikasi sistem yang
Arsitektur model yang semulanya menggunakan 64 neuron hidden layer maka diganti dengan 128 neuron hidden layer, sehingga arsitektur model untuk pengujian
