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.

	Text (Surat Persetujuan Unggah Karya Ilmiah) 1. Surat Persetujuan Unggah Karya Ilmiah.pdf Download (497kB)
	Text (HALAMAN DEPAN) 2. HALAMAN DEPAN.pdf Download (2MB)
	Text (BAB I) 3. BAB I.pdf Download (612kB)
	Text (BAB II) 4. BAB II.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB III) 5. BAB III.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB IV) 6. BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (BAB V) 7. BAB V.pdf Restricted to Repository staff only Download (447kB) | Request a copy
	Text (DAFTAR PUSTAKA) 8. DAFTAR PUSTAKA.pdf Download (388kB)
	Text (LAMPIRAN) 9. LAMPIRAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text (SKRIPSI FULL TEXT) 10. SKRIPSI FULL TEXT.pdf Restricted to Repository staff only Download (6MB) | Request a copy

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:	L Education > L Education (General) N Fine Arts > NC Drawing Design Illustration N Fine Arts > ND Painting N Fine Arts > NX Arts in general T Technology > T Technology (General) T Technology > TA Engineering (General). Civil engineering (General)
Divisions:	Faculty of Engineering
Depositing User:	M.B. Gigih Baskoro Ashari
Date Deposited:	04 Sep 2025 07:55
Last Modified:	04 Nov 2025 04:10
URI:	https://eprints.umpo.ac.id/id/eprint/17511

Actions (login required)

View Item