Daftar Isi: ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) UNTUK MENGHITUNG TINGKAT KEFOKUSAN PARTISIPAN VIDEO CONFERENCE MENGGUNAKAN LIBRARY TENSORFLOW

Main Author:	Nolly, Ryan Ananda
Format:	Thesis NonPeerReviewed Book
Bahasa:	ind
Terbitan:	, 2022
Subjects:	QA76 Computer software
Online Access:	http://digilib.unimed.ac.id/49501/1/1.%20NIM.%204183250019%20COVER.pdf http://digilib.unimed.ac.id/49501/2/2.%20NIM.%204183250019%20APPROVAL%20SHEET.pdf http://digilib.unimed.ac.id/49501/3/3.%20NIM.%204183250019%20ABSTRACT.pdf http://digilib.unimed.ac.id/49501/4/4.%20NIM.%204183250019%20PREFACE.pdf http://digilib.unimed.ac.id/49501/5/5.%20NIM.%204183250019%20TABLE%20OF%20CONTENT.pdf http://digilib.unimed.ac.id/49501/6/6.%20NIM.%204183250019%20TABLES.pdf http://digilib.unimed.ac.id/49501/7/7.%20NIM.%204183250019%20ILLUSTRATION.pdf http://digilib.unimed.ac.id/49501/8/8.%20NIM.%204183250019%20APPENDICES.pdf http://digilib.unimed.ac.id/49501/9/9.%20NIM.%204183250019%20CHAPTER%20I.pdf http://digilib.unimed.ac.id/49501/10/13.%20NIM.%204183250019%20CHAPTER%20V.pdf http://digilib.unimed.ac.id/49501/11/14.%20NIM.%204183250019%20BIBLIOGRAPHY.pdf http://digilib.unimed.ac.id/49501/

Daftar Isi:

Penggunaan aplikasi video conference sudah menjadi hal yang umum terjadi terkhususnya di era society 5.0. Penelitian ini bertujuan untuk mengetahui tingkat kefokusan partisipan video conference serta akurasi dari program pembelajaran mesin yang dapat menghitung tingkat kefokusan partisipan pada pertemuan video conference. Metode yang digunakan pada penelitian ini adalah Convolutional Neural Network (CNN) dengan menggunakan data wajah peserta saat sedang mengikuti pertemuan video conference sebanyak 1800 data yang terbagi menjadi 4 kelas yaitu: Fokus, Kamera tidak aktif, Kurang Fokus, dan Tidak Fokus. Data dibagi menjadi data latih dan data uji dengan rasio pembagian 80% untuk data latih dan 20% untuk data uji. Program pembelajaran mesin dilatih dengan total iterasi sebanyak 240 iterasi dan fungsi optimizer adam. Berdasarkan proses latih didapat akurasi latih sebesar 85,59% untuk akurasi latih dan 81,34% untuk akurasi uji untuk program dengan 4 kelas. Sedangkan pada program dengan 3 kelas didapat akurasi latih sebesar 84,27% dan untuk akurasi uji sebesar 80,22%