• Tidak ada hasil yang ditemukan

https://hendroagungs.blogspot.com/2016/03/pengolahan-citra.html Ahsan, M

N/A
N/A
Protected

Academic year: 2023

Membagikan "https://hendroagungs.blogspot.com/2016/03/pengolahan-citra.html Ahsan, M"

Copied!
5
0
0

Teks penuh

(1)

51

DAFTAR PUSTAKA

Agung, H. (2010). Pembentukan Citra. Pengolahan Citra Digital, 15–28.

https://hendroagungs.blogspot.com/2016/03/pengolahan-citra.html

Ahsan, M. M., Uddin, M. R., Farjana, M., Sakib, A. N., Momin, K. Al, & Luna, S.

A. (2022). Image Data collection and implementation of deep learning-based model in detecting Monkeypox disease using modified VGG16.

https://doi.org/https://doi.org/10.48550/arXiv.2206.01862

Ali, S. N., Ahmed, M. T., Paul, J., Jahan, T., Sani, S. M. S., Noor, N., & Hasan, T.

(2022). Monkeypox Skin Lesion Detection Using Deep Learning Models: A

Feasibility Study. 2–5.

https://doi.org/https://doi.org/10.48550/arXiv.2207.03342

Alim, M. M. F. (2020). Identifikasi Penyakit Tanaman Tomat Menggunakan Algoritma Convolutional Neural Network Dan Pendekatan Transfer Learning.

Altuntaş, Y., Cömert, Z., & Kocamaz, A. F. (2019). Identification of haploid and diploid maize seeds using convolutional neural networks and a transfer learning approach. Computers and Electronics in Agriculture, 163(40), 1–11.

https://doi.org/10.1016/j.compag.2019.104874

Ardhianto, E., Hadikurniawati, W., & Budiarso, Z. (2013). Implementasi Metode Image Subtracting dan Metode Regionprops untuk Mendeteksi Jumlah Objek Berwarna RGB pada File Video. Jurnal Teknologi Informasi DINAMIK, 18(2), 91–100.

Budhiman, A., Suyanto, S., & Arifianto, A. (2019). Melanoma Cancer Classification Using ResNet with Data Augmentation. 2019 2nd International Seminar on Research of Information Technology and

Intelligent Systems, ISRITI 2019, 17–20.

https://doi.org/10.1109/ISRITI48646.2019.9034624

Budi, A. (2016). Pengenalan Citra Wajah Sebagai Identifier Menggunakan Metode Principal Component Analysis (PCA). Jurnal Teknik Informatika, 9(2), 166–175.

Cahya, F. N., Hardi, N., Riana, D., & Hadiyanti, S. (2021). Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network (CNN). Sistemasi, 10(3), 618. https://doi.org/10.32520/stmsi.v10i3.1248

(2)

Cook, J. A., & Ranstam, J. (2016). Overfitting. British Journal of Surgery, 103(13), 1814. https://doi.org/10.1002/bjs.10244

Coskun, M., Uça, A., Y?ld?r?m, Ö., & Demir, Y. (2019). Face Recognition Based on Convolutional Neural Network. Shiyou Diqiu Wuli Kantan/Oil

Geophysical Prospecting, 54(5), 1159–1165.

https://doi.org/10.13810/j.cnki.issn.1000-7210.2019.05.024

Gholamalinezhad, H., & Khosravi, H. (2020). Pooling Methods in Deep Neural Networks, a Review. September. http://arxiv.org/abs/2009.07485

Haq, D. Z. (2020). Klasifikasi Citra Kanker Kulit Menggunakan Convolutional Neural Network Model GoogleNet. In Universitas Islam Negeri Sunan Ampel Surabaya.

Hidayat, W., Ardiansyah, M., & Setyanto, A. (2021). Pengaruh Algoritma ADASYN dan SMOTE terhadap Performa Support Vector Machine pada Ketidakseimbangan Dataset Airbnb. Edumatic: Jurnal Pendidikan Informatika, 5(1), 11–20. https://doi.org/10.29408/edumatic.v5i1.3125 Ibrahim, N., Lestari, G. A., Hanafi, F. S., Saleh, K., Pratiwi, N. K. C., Haq, M. S.,

& Mastur, A. I. (2022). Klasifikasi Tingkat Kematangan Pucuk Daun Teh menggunakan Metode Convolutional Neural Network. ELKOMIKA: Jurnal Teknik Energi Elektrik, Teknik Telekomunikasi, & Teknik Elektronika, 10(1), 162. https://doi.org/10.26760/elkomika.v10i1.162

Ilahiyah, S., & Nilogiri, A. (2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. JUSTINDO (Jurnal Sistem Dan Teknologi Informasi Indonesia), 3(2), 49–56.

Karsito, & Susanti, S. (2019). Klasifikasi Kelayakan Peserta Pengajuan Kredit Rumah Dengan Algoritma Naïve Bayes Di Perumahan Azzura Residencia.

Jurnal Teknologi Pelita Bangsa, 9, 43–48.

Kudva, V., Prasad, K., & Guruvare, S. (2018). Automation of detection of cervical cancer using convolutional neural networks. Critical Reviews in

Biomedical Engineering, 46(2), 135–145.

https://doi.org/10.1615/CritRevBiomedEng.2018026019

Lasniari, S., Sanjaya, S., Yanto, F., & Affandes, M. (2022). Pengaruh Hyperparameter Convolutional Neural Network Arsitektur ResNet-50 Pada Klasifikasi Citra Daging Sapi dan Daging Babi. 5(3), 474–481.

(3)

Liu, K., Kang, G., Zhang, N., & Hou, B. (2018). Breast Cancer Classification Based on Fully-Connected Layer First Convolutional Neural Networks.

IEEE Access, 6, 23722–23732.

https://doi.org/10.1109/ACCESS.2018.2817593

Lukito, J. I. (2017). Tatalaksanan Monkeypox. Convention Center Di Kota Tegal, 46(8), 6–37.

Munir, R. (2019). Digitalisasi Citra.

https://informatika.stei.itb.ac.id/~rinaldi.munir/Citra/2019-2020/04- Digitalisasi-citra.pdf

Nielsen, M. (2021). Neural Networks and Deep Learning. The Machine Age of Customer Insight, 91–101. https://doi.org/10.1108/978-1-83909-694- 520211010

Ningsih, T. (2020). Penerapan Deep Learning Menggunakan ResNet152 Untuk Klasifikasi Citra Diabetic Retinopathy. Jurnal Ekonomi Volume 18, Nomor 1 Maret201, 2(1), 41–49.

Nolen, L. D., Osadebe, L., Katomba, J., Likofata, J., Mukadi, D., Monroe, B., Doty, J., Hughes, C. M., Kabamba, J., Malekani, J., Bomponda, P. L., Lokota, J. I., Balilo, M. P., Likafi, T., Shongo Lushima, R., Kebela Ilunga, B., Nkawa, F., Pukuta, E., Karhemere, S., … Reynolds, M. G. (2016).

Extended human-to-human transmission during a monkeypox outbreak in the Democratic Republic of the Congo. Emerging Infectious Diseases, 22(6), 1014–1021. https://doi.org/10.3201/eid2206.150579

Nugroho, P. A., Fenriana, I., & Arijanto, R. (2020). Implementasi Deep Learning Menggunakan Convolutional Neural Network ( Cnn ) Pada Ekspresi Manusia. Algor, 2(1), 12–21.

Nurhikmat, T. (2018). Implementasi Deep Learning Untuk Image Classification Menggunakan Algoritma Convolutional Neural Network Pada Citra Wayang Golek.

Nurolan, A. (2019). Deteksi Dan Klasifikasi Jenis Kendaraan Berbasis Pengolahan Citra Dengan Metode Convolutional Neural Network (Cnn).

Deteksi Jenis Kendaraan.

Qelina, L., & Graharti, R. (2019). Lia Qelina dan Risti Graharti I Human Mongkeypox Virus: Respon kesiapan Dunia Akan Wabah Infeksi Virus Monkeypox Human Monkeypox Virus : Respon Kesiapan Darurat Dunia. 9, 483–489.

(4)

Qudsi, N. K., Asmara, R. A., & Syulistyo, A. R. (2020). Identifikasi Citra Tulisan Tangan Digital Menggunakan Convolutional Neural Network (CNN).

Seminar Informatika Aplikatif Polinema, 48–53.

Rahman, F. (2020). Implementasi CNN menggunakan VGG-19 Net pada Image Depth Data Hand Posture. 1–18.

Ramadhani, I., Nilogiri, A., & Ayun, Q. (2022). Klasifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network Classification Of Plants Based On Leaf Image Using Convolutional Neural Network Method. Jurnal Smart Teknologi, 3(3), 2774–1702.

http://jurnal.unmuhjember.ac.id/index.php/JST

Rena, P. N. (2019). Penerapan Metode Convolutional Neural Netwrok Pada Pendeteksi Gambar Notasi Balok.

Ridho, Basuki Rahmat, & Fetty Tri Anggraeny. (2020). Implementasi Algoritma Cnn Untuk Klasifikasi Citra Lahan Dan Perhitungan Luas. Jurnal Informatika Dan Sistem Informasi (JIFoSI), 1(1), 166–174.

Riti, Y. F., & Tandjung, S. S. (2022). Klasifikasi Covid-19 Pada Citra CT Scans Paru-Paru Menggunakan Metode Convolution Neural Network. Progresif:

Jurnal Ilmiah Komputer, 18(1), 91.

https://doi.org/10.35889/progresif.v18i1.784

Rondonuwu, D. dr. M. R. (2022). Pencegahan dan pengendalian penyakit.

Kemenkes RI, 1(1), 1.

https://www.kemkes.go.id/article/view/19093000001/penyakit-jantung- penyebab-kematian-terbanyak-ke-2-di-indonesia.html

Russakovsky, O., Deng, J., Su, H., Krause, J., Satheesh, S., Ma, S., Huang, Z., Karpathy, A., Khosla, A., Bernstein, M., Berg, A. C., & Fei-Fei, L. (2015).

ImageNet Large Scale Visual Recognition Challenge. International Journal of Computer Vision, 115(3), 211–252. https://doi.org/10.1007/s11263-015- 0816-y

Setyawan, R. (2022). Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan 19 Layers Deep Convolutional Neural Network (Vgg-19).

8.5.2017, 2003–2005.

Simonyan, K., & Zisserman, A. (2015). Very deep convolutional networks for large-scale image recognition. 3rd International Conference on Learning Representations, ICLR 2015 - Conference Track Proceedings, 1–14.

(5)

Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I., & Salakhutdinov, R.

(2014). Dropout: A simple way to prevent neural networks from overfitting.

Journal of Machine Learning Research, 15, 1929–1958.

Suartika, W., Wijaya, A. Y., & Soelaiman, R. (2016). Klasifikasi Citra Menggunakan Convolutional Neural Network (Cnn) Pada Caltech 101.

Jurnal Teknik ITS, 5(1), 76. http://repository.its.ac.id/48842/

Utami, D. C. (2019). Bab II Landasan Teori. Journal of Chemical Information and Modeling, 53(9), 1689–1699.

Woods, G. (2018). Digital Image Processing - Third Edition. SANITAS : Jurnal

Teknologi Dan Seni Kesehatan, 9(2), 93–104.

https://doi.org/10.36525/sanitas.2018.11

Xiao, J., Wang, J., Cao, S., & Li, B. (2020). Application of a Novel and Improved VGG-19 Network in the Detection of Workers Wearing Masks. Journal of Physics: Conference Series, 1518(1). https://doi.org/10.1088/1742- 6596/1518/1/012041

Zheng, Y., Yang, C., & Merkulov, A. (2018). Breast cancer screening using convolutional neural network and follow-up digital mammography. May, 4.

https://doi.org/10.1117/12.2304564

Referensi

Dokumen terkait

Oleh karena itu, untuk skenario pengujian selanjutnya, struktur CNN yang digunakan adalah CNN dengan ukuran filter 3x3 dan jumlah layer konvolusi 4, yang mana

Dengan ini saya menyatakan bahwa Tugas Akhir dengan judul “KLASIFIKASI CITRA JENIS BUNGA MENGGUNAKAN METODE CONVOLUTIONAL NAURAL NETWORK (CNN)” beserta seluruh isinya adalah

Berdasarkan hasil penelitian yang didapat tentang klasifikasi penyakit daun jagung menggunakan metode Convolutional Neural Network (CNN) yang telah dilakukan, dengan

pada tahap ini kita melakukan augmentasi gambar pada gambar latih dan validasi. dilakukan augmentasi gambar pada dataset karena menurut penelitian yang dilakukan oleh [3] bahwa

Tujuan dari penelitian adalah sebagai media pembelajaran untuk masyarakat dan pembudidaya tanaman aglaonema, membuat sistem identifikasi tanaman aglaonema menggunakan

Pada Gambar 1 pengumpulan data dilakukan untuk mendapatkan data citra yang akan digunakan pada proses pelatihan dan pengujian model arsitektur Convolutional Neural

Dari penelitian yang sudah dilakukan ditarik kesimpulan bahwa CNN terbukti mampu mengklasifikasikan dengan baik untuk studi kasus spesies tanaman anthurium dengan akurasi yang cukup

Menyatakan bahwa Tugas Akhir yang berjudul “Implementasi Deep Learning pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural