Klasifikasi Detail Mobil Menggunakan Swin Transformer

Wicaksono, Muhammad Alif (2022) Klasifikasi Detail Mobil Menggunakan Swin Transformer. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 07211840000047-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (7MB)

Abstract

Pada penelitian ini saya menyadari bawasannya Indonesia memiliki industri manufaktur mobil terbesar kedua di Asia Tenggara dan di wilayah ASEAN (setelah Thailand yang menguasai sekitar 50 persen dari produksi mobil di wilayah ASEAN). Saat ini, kapasitas total produksi mobil yang dirakit di Indonesia berada pada kira-kira dua juta unit per tahun. Setiap tahunnya banyak sekali tipe-tipe terbaru yang diproduksi oleh setiap merk dan untuk setiap tipe mobil yang diproduksi pun memiliki ciri khasnya masing-masing. Untuk saat ini belum ada sistem yang dapat mengidentifikasikan detail-detail dari mobil-mobil yang ada. Untuk mengidentifikasikan detail-detail tersebut digunakanlah Swin Tranformer. Swin Transformer sendiri adalah sebuah pengembangan arsitektur CNN yang terbaru dan untuk saat ini menjadi arsitektur CNN terbaik. Dan dalam penelitian ini telah didapat hasil berupa model untuk mengklasifikasikan Merk dan Tipe mobil dengan menggunakan Swin Transformer dengan tingkat akurasi klasifikasi mencapai 85%
==============================================================================================================================
In this study, I realized that Indonesia has the second largest car manufacturing industry in Southeast Asia and the ASEAN region (after Thailand, which controls about 50 percent of car production in the ASEAN region). Currently, the total production capacity of assembled cars in Indonesia stands at approximately two million units per year. Every year there are many new types produced by each brand and each type of car produced has its own characteristics. For now there is no system that can identify the details of the existing cars. To identify these details, Swin Transformer is used. Swin Transformer itself is a development of the latest CNN architecture and is currently the best CNN architecture. And in this study, the results obtained in the form of a model to classify the brand and type of car using Swin Transformer with a classification accuracy level reaching 85%

Item Type:	Thesis (Other)
Additional Information:	RSKom 006.3 Wic k-1 2022
Uncontrolled Keywords:	Klasifikasi, Merk, Tipe, Detail Mobil, Swin-Transformer. Classification, Brand, Type, Car Details, Swin Transformer.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science. EDP
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	17 Jun 2026 03:21
Last Modified:	17 Jun 2026 03:21
URI:	http://repository.its.ac.id/id/eprint/133845

Actions (login required)

View Item