PENERAPAN ARTIFICIAL INTELLIGENCE DALAM APLIKASI PEMBELAJARAN SKETSA DENGAN AUGMENTED REALITY MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK



Ashari, M.B. Gigih Baskoro (2025) PENERAPAN ARTIFICIAL INTELLIGENCE DALAM APLIKASI PEMBELAJARAN SKETSA DENGAN AUGMENTED REALITY MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. S1 thesis, Universitas Muhammadiyah Ponorogo.

[thumbnail of SURAT PERNYATAAN UNGGAH KARYA ILMIAH] Text (SURAT PERNYATAAN UNGGAH KARYA ILMIAH)
1. Surat Persetujuan Unggah Karya Ilmiah.pdf

Download (497kB)
[thumbnail of HALAMAN DEPAN] Text (HALAMAN DEPAN)
2. HALAMAN DEPAN.pdf

Download (2MB)
[thumbnail of BAB I] Text (BAB I)
3. BAB I.pdf

Download (612kB)
[thumbnail of BAB II] Text (BAB II)
4. BAB II.pdf

Download (1MB)
[thumbnail of BAB III] Text (BAB III)
5. BAB III.pdf

Download (1MB)
[thumbnail of BAB IV] Text (BAB IV)
6. BAB IV.pdf

Download (1MB)
[thumbnail of BAB V] Text (BAB V)
7. BAB V.pdf

Download (447kB)
[thumbnail of DAFTAR PUSTAKA] Text (DAFTAR PUSTAKA)
8. DAFTAR PUSTAKA.pdf

Download (388kB)
[thumbnail of LAMPIRAN] Text (LAMPIRAN)
9. LAMPIRAN.pdf

Download (973kB)
[thumbnail of 10. SKRIPSI FULL TEXT.pdf] Text
10. SKRIPSI FULL TEXT.pdf

Download (10MB)

Abstract

Abstrak
Pembelajaran Seni sketsa seringkali memberikan tantangan bagi pemula, karena keterbatasan dalam memahami bentuk, dan proporsionalitas sebuah gambar. Metode konvensional, seperti buku panduan gambar dan petunjuk langsung, seringkali tidak memberikan umpan balik yang efektif. Penelitian ini mengembangkan aplikasi IMAJI, sebuah sistem yang dirancang menggunakan metode Prototype dan dikembangkan bersama algoritma Convolutional Neural Network (CNN) arsitektur MobileNetV2 yang diimplementasikan melalui Tensorflow Lite. Aplikasi memanfaatkan teknologi ARCore untuk menampilkan overlay pola sketsa di atas media gambar nyata, serta menghitung nilai Mean Squared Error (MSE) untuk mengevaluasi tingkat kesesuaian antara hasil gambar pengguna dan template. Metode White Box digunakan untuk menguji sistem. Hasil implementasi menunjukkan bahwa sistem mampu mengklasifikasikan gambar sketsa dengan sangat akurat ke dalam dua belas label objek dan tahapan gambar. Umpan balik secara langsung yang ditampilkan berdasarkan nilai MSE berhasil membantu pengguna dalam mengetahui kesalahan gambar. Integrasi AR dan CNN dalam aplikasi ini terbukti mampu meningkatkan efektivitas serta interaktivitas dalam proses pembelajaran sketsa.

Kata Kunci : Sketsa, Artificial Intelligence, Augmented Reality, Convolutional Neural Network, MobileNetV2.

Item Type: Thesis (S1)
Uncontrolled Keywords: Sketsa, Artificial Intelligence, Augmented Reality, Convolutional Neural Network, MobileNetV2.
Subjects: A General Works > AI Indexes (General)
L Education > LC Special aspects of education > LC5201 Education extension. Adult education. Continuing education
N Fine Arts > NC Drawing Design Illustration
N Fine Arts > NX Arts in general
T Technology > T Technology (General)
T Technology > TT Handicrafts Arts and crafts
Divisions: Faculty of Engineering > Department of Informatic Engineering
Depositing User: M.B. Gigih Baskoro Ashari
Date Deposited: 04 Nov 2025 04:10
Last Modified: 04 Nov 2025 04:10
URI: https://eprints.umpo.ac.id/id/eprint/17498

Actions (login required)

View Item View Item