Fikrunafuddin, Aghna (2021) Aplikasi pengenal bangunan bersejarah di Kota Malang menggunakan Convolutional Neural Network dan Linked Open Data. Undergraduate thesis, Universitas Islam Negeri Maulana Malik Ibrahim.
|
Text (Fulltext)
15650112.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial No Derivatives. Download (2MB) | Preview |
Abstract
مستخلص البحث
كان ازدحام المباني في المدن يأثر إلى عدم الاستطاعة في توسيع الميدان السياحي في تلك المدن. فيكون الحل لتلك المشكلة هو تحسين الجودة عن الأماكن السياحي. بناء على ذالك، يحتاج التحسين إلى الإبتكارية لأجل دفع الزيارة وحضور السياح. من الإبتكارية هي أن ترقي دفع السياحة إلى المباني التاريخي خلال صناعة النظام أو البرامج الذي يتسهل السياح في طلبة المعلومات عن المباني التاريخي. لما يسيح السياح إلى المباني التاريخي ويأخذون صورها يستطيعون أن يسجلوها إلى البرامج ويعرفها لهم ويطرح المعلومات عنها. استخدم البحث طريقة الشبكة الصعبية الإلتفافية لأجل تعرف الصور. واستخدم البيانات المفتوحة المرتبطة لأجل مساعدة طلب البيانات المتوفرة وتقدر أن تواصل إليها عدة المواقع. استنادا إلى نتائج البحث، حصل من التعرف بالشبكة الصعبية الإلتفافية على درجة الدقة والضبطة89,90% في تصنيف الصور عن المباني التاريخي. ودلت النتيجة إلى أن البحث القائم فعال في تصنيف الصور عن المباني التاريخي. وجودة البيانات المفتوحة المرتبطة المستخدمة في هذا البحث ممتازة غير محدودة.
ABSTRACT
The density of buildings in urban areas has made the regional development of tourist destinations in the city no longer developed. So that the development of tourist destinations is more emphasized by improving the quality of tourist attractions. To increase tourist attraction in urban areas, innovation is needed to increase the interest of tourist visitors. One of the innovations is to increase the tourism of historical buildings by creating a system that makes it easier for visitors to find information on historical buildings. So that visitors only need to come to the historical building and take a photo, the system will detect the historical building and will look for information related to it. For image recognition in this study using the Convolutional Neural Network method. To optimize the search for broader data and can be used for various platforms, Linked Open Data is used. Based on the results of the study, it was found that the level of accuracy produced using the convolutional neural network method was 89.90% in classifying historical building images. Thus, the performance of this study is optimal in classifying historical building images. And the quality of linked open data used in this study has a perfect value of five stars.
ABSTRAK
Padatnya bangunan di wilayah perkotaan saat ini menyebabkan pengembangan perwilayahan destinasi wisata di Kota tidak dapat dikembangkan lagi. Sehingga pengembangan destinasi wisata lebih ditekankan dengan memperbaiki kualitas daya tarik wisata. Untuk menambah daya Tarik wisata di perkotaan, diperlukan inovasi untuk menambah ketertarikan pengunjung wisata. Salah satu inovasinya adalah dengan meningkatkan wisata bangunan bersejarah dengan cara membuat sistem yang memudahkan pengunjung dalam mencari informasi bangunan bersejarah. Sehingga pengunjung hanya perlu datang ke tempat bangunan bersejarah kemudian mengambil fotonya maka sistem akan mendeteksi bangunan bersejarah dan akan mencari informasi yang terkait dengan itu. Untuk pengenalan citra dalam penelitian ini menggunakan metode Convolutional Neural Network. Untuk pengoptimalan pencarian data yang lebih lebih luas dan dapat digunakan untuk berbagai macam platform maka digunakan Linked Open Data. Berdasarkan hasil penelitian didapatkan tingkat akurasi yang dihasilkan menggunakan metode convolutional neural network sebesar 89,90 % dalam mengklasifikasikan citra bangunan bersejarah. Sehingga, performa penelitian ini optimal dalam mengklasifikasi citra bangunan bersejarah. Dan kualitas linked open data yang digunakan dalam penelitian ini memiliki nilai sempurna lima bintang.
Item Type: | Thesis (Undergraduate) | |||||||||
---|---|---|---|---|---|---|---|---|---|---|
Supervisor: | Syauqi, A’la and Santoso, Irwan Budi | |||||||||
Contributors: |
|
|||||||||
Keywords: | الشبكة العصبية الإلتفافية; التصنيف; الويب الدلالي (Linked Open Data) ;الطلبية; convolutional neural network; classification; web sematic; linked open data; search; convolutional neural network; klasifikasi; web sematic; linked open data; pencarian | |||||||||
Subjects: | 08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080106 Image Processing 08 INFORMATION AND COMPUTING SCIENCES > 0806 Information Systems > 080612 Interorganisational Information Systems and Web Services |
|||||||||
Departement: | Fakultas Sains dan Teknologi > Jurusan Teknik Informatika | |||||||||
Depositing User: | Aghna Fikrunafuddin | |||||||||
Date Deposited: | 09 Mar 2021 13:47 | |||||||||
Last Modified: | 18 Apr 2023 09:26 | |||||||||
URI: | http://etheses.uin-malang.ac.id/id/eprint/25661 |
Downloads
Downloads per month over past year
Actions (login required)
![]() |
View Item |