Anda belum login :: 23 Nov 2024 23:53 WIB
Detail
BukuPERANCANGAN SISTEM KLASIFIKASI TINGKAH LAKU MAHASISWA DENGAN DEPTH DATA MENGGUNAKAN KINECT, SPARK STREAMING DAN TENSORFLOW
Bibliografi
Author: SULISTYO, IGNATIUS DJIKSTRA ; Ghozali, Theresia (Advisor)
Topik: Apache Spark; TensorFlow; Kinect; machine learning; image classification; learning support system
Bahasa: (ID )    
Penerbit: Program Studi Teknik Elektro Fakultas Teknik Unika Atma Jaya     Tempat Terbit: Jakarta    Tahun Terbit: 2018    
Jenis: Theses - Undergraduate Thesis
Fulltext: 13-Ignatius Djikstra S-2014042048.pdf (2.72MB; 6 download)
Ketersediaan
  • Perpustakaan Pusat (Semanggi)
    • Nomor Panggil:
    • Non-tandon: tidak ada
    • Tandon: 1
 Lihat Detail Induk
Abstract
Proses belajar mengajar di kelas merupakan kegiatan yang sangat penting dalam dunia pendidikan. Semakin efisien sistem yang ada, maka akan semakin baik pula hasil yang diharapkan seperti adanya peningkatan prestasi, mempermudah pengajar dalam mengenali peserta didiknya, dan lain-lain. Penelitian ini merancang sebuah sistem yang bisa membantu pengajar dalam mengklasifikasikan tingkah laku peserta didiknya selama berada di kelas untuk keperluan mendatang. Pengklasifikasian ini menggunakan data gambar dari peserta didik yang diambil dari langit-langit ruangan kelas menggunakan Kinect secara langsung pada kurun waktu nyata dan gambar-gambar tersebut dikirimkan ke komputer untuk diolah. Karena besarnya data yang berdatangan secara terus menerus, maka dalam sistem ini dipakai Apache Spark sebagai media pengolah big data dan proses machine learning yang didukung oleh TensorFlow dalam pengolahan citra digital tersebut. Dari hasil tersebut pengajar akan mendapat informasi dan bisa menentukan tindakan apa yang diperlukan dalam membantu peserta didik yang kesulitan dalam belajar di kelas berdasar hasil klasifikasi dan korelasinya dengan prestasinya. Rancangan ini masih berupa prototipe yang perlu disempurnakan di masa mendatang.
Opini AndaKlik untuk menuliskan opini Anda tentang koleksi ini!

Lihat Sejarah Pengadaan  Konversi Metadata   Kembali
design
 
Process time: 0.1875 second(s)