Klasifikasi Tingkat Konsentrasi Larutan Berdasarkan Citra Pola Difraksi Menggunakan Metode Convolutional Neural Network (CNN)
Tahun 2026 · Penulis: Nailatul Khoiriyah
Faculty of Mathematics and Natural Sciences, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/11250
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Klasifikasi Tingkat Konsentrasi Larutan Berdasarkan Citra Pola Difraksi Menggunakan Metode Convolutional Neural Network (CNN)
Menentukan konsentrasi larutan adalah parameter penting dalam berbagai bidang ilmiah, seperti kimia, fisika, dan industri. Salah satu metode yang dapat digunakan untuk mengidentifikasi konsentrasi solusi adalah melalui analisis pola difraksi cahaya yang terbentuk oleh interaksi gelombang cahaya dengan medium solusi. Kemajuan dalam pengolahan gambar dan teknologi kecerdasan buatan memungkinkan identifikasi pola difraksi otomatis menggunakan metode pembelajaran mendalam. Penelitian ini bertujuan untuk mengimplementasikan dan mengevaluasi kinerja Jaringan Konvolutional Neural (CNN) model dalam mengklasifikasikan tingkat konsentrasi larutan berdasarkan gambar pola difraksi. Penelitian ini menggunakan tiga jenis solusi: gula, natrium klorida (Nakali), dan biru methylene, dengan tingkat konsentrasi yang berbeda - beda. Pola gambar difraksi yang dihasilkan dari setiap solusi digunakan sebagai kumpulan data untuk melatih model CNN dengan arsitektur MobiletV2. Proses pelatihan model dilakukan menggunakan preprosesed image dataset. Penampilan model kemudian dievaluasi dengan menggunakan akurasi, presisi, mengingat, dan F1-score metrik. Model ini dianalisis menggunakan laporan klasifikasi, grafik akurasi-loss, dan matriks kebingungan. Hasilnya menunjukkan bahwa model CNN mampu mengklasifikasikan tingkat konsentrasi solusi berdasarkan pola difraksi gambar dengan kinerja yang cukup baik. Model mencapai akurasi 95.73% untuk larutan NaCl, 90.47% untuk larutan biru methylene, dan 80.00% untuk larutan gula. Hasilnya menunjukkan bahwa perbedaan dalam karakteristik optik setiap solusi mempengaruhi pola difraksi yang dihasilkan, sehingga mempengaruhi kemampuan model untuk mengekstrak fitur gambar. Secara keseluruhan, penelitian ini menunjukkan bahwa metode CNN berdasarkan pola gambar diffraksi memiliki potensi untuk digunakan sebagai pendekatan alternatif dalam mengenali secara otomatis dan mengklasifikasikan tingkat konsentrasi solusi.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,856
Tahun 2024 · Penulis: Dandy Satrio Wibowo
Penggunaan Pre-Trained Convolutional Neural Networks dan Explainable AI dalam Klasifikasi Penyakit Alzheimer berdasarkan Citra MRI Otak
Penyakit Alzheimer adalah penyakit yang menyebabkan kematian pada sel-sel saraf otak dan menurunkan volume otak seiring berjalannya waktu. Penyakit Alzheimer memiliki lima tahapan perkembangannya, yaitu tahap preclinical, mild cognitive impairment (MCI), mild,
- Cosine 0,844
Tahun 2025 · Penulis: Mario Ari Refangga
Analisis Penerapan Deep Learning CNN untuk Kepentingan Klasifikasi Kondisi Gigi Berbasis Citra X-Ray
Kesehatan gigi dan mulut merupakan salah satu aspek penting dari kesehatan seseorang yang tidak boleh diabaikan. Masalah umum seperti gigi berlubang, implan gigi, impaksi gigi, dan gigi tambalan dapat dicegah atau diatasi dengan perawatan yang tepat. Teknologi
- Cosine 0,828
Tahun 2026 · Penulis: Kharisma Kurnia Wulandari
Hybrid Particle Swarm Optimization dan Multi-Layer Perceptron dalam Klasifikasi Biner
Perkembangan pembelajaran mesin telah mendorong penggunaan metode klasifikasi yang mampu menghasilkan prediksi akurat pada pola data yang kompleks. Multi-Layer Perceptron (MLP) adalah salah satu model yang digunakan secara luas karena kemampuannya untuk memper