Implementasi progressive web app (PWA) untuk image classification menggunakan mobilenet

DETAIL KOLEKSI

Implementasi progressive web app (PWA) untuk image classification menggunakan mobilenet

2.3

Oleh : Reno Kharisma Putra

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2020

Pembimbing 1 : Dedy Sugiaro

Pembimbing 2 : Abdul Rochman

Subyek : Image data mining;Web sites

Kata Kunci : aplikasi web, mobile, progressive web app, offline, machine learning

Status Posting : Published

Status : Lengkap

File Repositori

No.	Nama File	Hal.
1.	2020_TA_STF_064001800507_Halaman-Judul.pdf	15
2.	2020_TA_STF_064001800507_Lembar-Pengesahan.pdf	3
3.	2020_TA_STF_064001800507_Bab-1_Pendahuluan.pdf	5
4.	2020_TA_STF_064001800507_Bab-2_Tinjauan-Pustaka.pdf
5.	2020_TA_STF_064001800507_Bab-3_Metodologi-Penelitian.pdf
6.	2020_TA_STF_064001800507_Bab-4_Analisis-dan-Pembahasan.pdf
7.	2020_TA_STF_064001800507_Bab-5_Kesimpulan.pdf
8.	2020_TA_STF_064001800507_Daftar-Pustaka.pdf	3
9.	2020_TA_STF_064001800507_Lampiran.pdf

Abstrak
Abstract

S Salah satu hasil dari perkembangan teknologi website yang semakin pesat adalah Progressive Web App (PWA). PWA memberikan nuansa seperti aplikasi native dan dapatberjalan di sebagian besar web browser. Hal ini membuat pengembangan lintas-platform lebih mudah karena aplikasi hanya perlu dikembangkan sekali dalam HTML/JavaScript. Selain itu, melalui Service Worker PWA dapat menyediakan fungsionalitas aplikasi sepenuhnya secara offline. Penelitian ini memanfaatkan PWA untuk membangun aplikasi web sederhana dari penerapan model machine learning untuk klasifikasi gambar yang diambil melalui kamera dari perangkat atau gambar yang sudah ada di galeri secara lokal.Aplikasi ini menggunakan model pra-terlatih MobileNet dari Keras yang dikonversikan kedalam format TensorFlow.js untuk memberikan kemampuan inferensi agar model ini dapat disimpan dan melakukan tugasnya secara lokal pada browser. Hasil dari penelitian membuktikan bahwa untuk membuat aplikasi yang menerapkan teknologi machinelearning serta dapat berjalan offline, juga bisa lintas-platform dapat dilakukan hanya dengan bahasa pemrograman web.

O One of the results from rapid development of website technology is the Progressive Web App (PWA). PWA provide the feel of a native application and can run on most web browsers. This makes cross-platform development much easier as the application only hasto be developed once in HTML / JavaScript. In addition, through Service Workers the PWA can provide fully offline functionality. This study utilizes PWA to build a simple web application from the application of a machine learning model to classify images captured via camera from devices or images that are already in the gallery. This application uses a MobileNet pre-trained model from Keras converted to TensorFlow.js format to provide inference capabilities so this model can be saved and perform their tasks locally in the browser. The results of this research prove that to create machine learning applications that can run offline, also cross-platform could be done only with a web programming language.