https://github.com/esnanta/machine-learning-rockpaperscissors

Proyek ini merupakan bagian dari pembelajaran Machine Learning Pemula yang bertujuan untuk membuat model klasifikasi gambar Rock-Paper-Scissors menggunakan TensorFlow dan Google Colaboratory.
https://github.com/esnanta/machine-learning-rockpaperscissors

Last synced: 2 days ago
JSON representation

Proyek ini merupakan bagian dari pembelajaran Machine Learning Pemula yang bertujuan untuk membuat model klasifikasi gambar Rock-Paper-Scissors menggunakan TensorFlow dan Google Colaboratory.

• Host: GitHub
• URL: https://github.com/esnanta/machine-learning-rockpaperscissors
• Owner: esnanta
• License: mit
• Created: 2024-12-19T04:52:46.000Z (7 days ago)
• Default Branch: main
• Last Pushed: 2024-12-19T04:55:10.000Z (7 days ago)
• Last Synced: 2024-12-19T05:29:56.362Z (7 days ago)
• Language: Jupyter Notebook
• Homepage:
• Size: 0 Bytes
• Stars: 0
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md
  • License: LICENSE.md

Awesome Lists containing this project

README

        
# Klasifikasi Gambar Rock-Paper-Scissors

Proyek ini merupakan bagian dari pembelajaran Machine Learning Pemula yang bertujuan untuk membuat model klasifikasi gambar Rock-Paper-Scissors menggunakan TensorFlow dan Google Colaboratory. Berikut adalah detail spesifikasi dan langkah-langkah pengerjaan proyek.

## Spesifikasi Proyek

1. **Dataset:**

   - Dataset yang digunakan adalah "rockpaperscissors".

   - Dataset dapat diunduh menggunakan perintah `wget` dari link berikut:

     ```bash

     wget https://github.com/dicodingacademy/assets/releases/download/release/rockpaperscissors.zip

     ```

2. **Pembagian Dataset:**

   - Dataset dibagi menjadi **train set** dan **validation set**.

   - Ukuran validation set adalah 40% dari total dataset.

     - Data training: 1314 sampel.

     - Data validasi: 874 sampel.

3. **Implementasi Augmentasi Gambar:**

   - Menggunakan teknik augmentasi gambar untuk meningkatkan performa model.

   - Implementasi augmentasi dilakukan dengan **Image Data Generator** dari TensorFlow/Keras.

4. **Model:**

   - Model yang digunakan adalah model Sequential dari TensorFlow/Keras.

   - Model dilatih tidak lebih dari 30 menit pada Google Colaboratory.

   - Akurasi model minimal 85%.

## Persiapan Lingkungan Kerja

1. **Google Colaboratory:**

   - Pastikan program dijalankan di Google Colaboratory untuk memanfaatkan GPU.

2. **Pustaka yang Dibutuhkan:**

   - TensorFlow

   - Matplotlib

   - Numpy

## Langkah-Langkah Pengerjaan

1. **Unduh dan Ekstrak Dataset:**

   ```python

   !wget https://github.com/dicodingacademy/assets/releases/download/release/rockpaperscissors.zip

   !unzip rockpaperscissors.zip

   ```

2. **Pembagian Dataset:**

   - Gunakan TensorFlow atau library lainnya untuk membagi dataset menjadi train set dan validation set.

3. **Augmentasi Gambar:**

   - Terapkan augmentasi seperti rotasi, flipping, zoom, dll., menggunakan `ImageDataGenerator`.

4. **Pembuatan Model:**

   - Gunakan arsitektur model Sequential dengan beberapa lapisan, seperti:

     - Convolutional Layer

     - MaxPooling Layer

     - Dense Layer

5. **Pelatihan Model:**

   - Latih model menggunakan dataset yang sudah diproses.

   - Pastikan waktu pelatihan tidak melebihi 30 menit.

6. **Evaluasi Model:**

   - Pastikan akurasi model minimal 85% pada data validasi.

## Hasil Akhir

- Model yang mampu mengklasifikasikan gambar Rock-Paper-Scissors dengan akurasi minimal 85%.

- Program yang telah dijalankan dan divalidasi pada Google Colaboratory.

## Lisensi

Proyek ini dibuat untuk tujuan pembelajaran dan merupakan bagian dari modul pembelajaran Machine Learning Pemula dari Dicoding Academy.