Pengembangan Fitur Klasifikasi Hewan pada Aplikasi Wisata Kebun Binatang dengan Algoritma CNN

Kusumo, Naufaliando Yudo (2023) Pengembangan Fitur Klasifikasi Hewan pada Aplikasi Wisata Kebun Binatang dengan Algoritma CNN. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111940000169-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (4MB) | Request a copy

Abstract

Kebun binatang merupakan tempat rekreasi yang sering digunakan sebagai tujuan tempat wisata edukasi bagi keluarga untuk mengamati dan belajar tentang hewan yang liar secara langsung. Penerapan teknologi wisata kebun binatang sudah diterapkan sebelumnya pada aplikasi wisata ZooSite, namun fitur pengenalan hewan belum diterapkan, padahal pengunjung tempat wisata kebun binatang banyak yang berasal dari kalangan anak-anak yang tujuan utamanya mengenal berbagai jenis hewan. Agar dapat menarik minat pengunjung untuk mendapat informasi mengenai hewan, maka dikembangkan fitur edukasi hewan ke dalam aplikasi. Fitur pengembangan yang dibangun adalah klasifikasi hewan yang memungkinkan pengunjung untuk memotret hewan yang mereka lihat dan aplikasi akan menampilkan nama hewan beserta informasi hewan yang dilihat. Algoritma Convolutional Neural Network yang digunakan untuk membuat fitur klasifikasi hewan. Teknologi yang digunakan berupa Tensorflow, memungkinkan untuk melakukan otomatisasi data, pelacakan model, monitor peforma, dan model retraining. Diharapkan dengan penelitian ini dapat meningkatkan nilai edukasi hewan di kebun binatang dan meningkatkan minat pengunjung untuk mengetahui informasi mengenai berbagai jenis hewan. Hasil dari pengujian pre-trained model menunjukkan bahwa model terbaik untuk klasifikasi hewan adalah InceptionV3, dengan akurasi sebesar 91,52%. Hasil dari pengujian fitur klasifikasi hewan di aplikasi yang dilakukan oleh responden menunjukkan bahwa fitur sangat baik dari segi fungsionalitas, kegunaan, dan kepuasan pengguna, dan fitur ternilai baik dari segi kemudahan pengguna.
===============================================================================================================================
Zoo is a recreation area that is often used as an educational tourism destination for families to observe and learn about wild animals directly. The application of zoo tourism technology has been previously applied to the ZooSite tourism application, but the animal recognition feature has not been implemented, even though many visitors to zoo attractions come from children whose main goal is to get to know various types of animals. In order to attract visitors to get information about animals, animal education features was developed into the application. The development feature is an animal classifier that allows visitors to take pictures of the animals they see and the application will display the name of the animal along with information about the animal being seen. The Convolutional Neural Network algorithm is used to create animal classification features. It used the Tensorflow technology, which allows for data automation, model tracking, performance monitoring, and model retraining. The results of the pre-trained model test shows that the best model for animal classification is InceptionV3, with an accuracy of 91.52%. The results of testing the animal classification feature on the application carried out by the respondents show that the feature is very good in terms of functionality, usability, and user satisfaction, and the feature is considered good in terms of user friendliness.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Convolutional Neural Network, Kebun binatang, Klasifikasi gambar, Tensorflow, Wisata; Convolutional Neural Network, Image classification, Tensorflow, Tourism, Zoo
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Naufaliando Yudo Kusumo
Date Deposited:	21 Sep 2023 01:06
Last Modified:	21 Sep 2023 01:06
URI:	http://repository.its.ac.id/id/eprint/104229

Actions (login required)

View Item