Perbandingan Akurasi CNN dan SVM Untuk Deteksi dan Klasifikasi Aktivitas Merokok
Router : Jurnal Teknik Informatika dan Terapan · 2024
DOI: 10.62951/router.v2i3.145 ↗Kurz gefasst
Fachartikel in der Zeitschrift Router : Jurnal Teknik Informatika dan Terapan, 2024. Verfasst von Galih Purbo Danu Kisowo. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).
Abstract (Originalsprache)
This study compares the performance of Convolutional Neural Network (CNN) and Support Vector Machine (SVM) algorithms in detecting and classifying smoking activities. Using an image dataset containing two classes, Smoking and Non-Smoking, this research implements transfer learning using the InceptionResNetV2 model for CNN and the SVM method. Evaluation results show that CNN has higher accuracy compared to SVM in detecting smoking activities. This research contributes to the development of surveillance systems for smoke-free areas in smart cities.
Zitieren
APA
Kisowo, G. P. D. (2024). Perbandingan Akurasi CNN dan SVM Untuk Deteksi dan Klasifikasi Aktivitas Merokok. Router : Jurnal Teknik Informatika dan Terapan. https://doi.org/10.62951/router.v2i3.145
Vancouver
Kisowo GPD. Perbandingan Akurasi CNN dan SVM Untuk Deteksi dan Klasifikasi Aktivitas Merokok. Router : Jurnal Teknik Informatika dan Terapan. 2024. doi:10.62951/router.v2i3.145
BibTeX
@article{Kisowo2024,
author = {Kisowo, Galih Purbo Danu},
title = {Perbandingan Akurasi CNN dan SVM Untuk Deteksi dan Klasifikasi Aktivitas Merokok},
journal = {Router : Jurnal Teknik Informatika dan Terapan},
year = {2024},
doi = {10.62951/router.v2i3.145}
}
EUVIMED