Hadieee / Anime-VS-Cartoon-VS-Human-CNN

Projek Akhir Praktikum Kecerdasan Buatan Kelompok 3 A2 2021 Yang Berjudul Klasifikasi Anime atau Kartun atau Manusia

Anime vs Cartoon vs Human

Link Dataset Anime VS Cartoon VS Human

Perkenalkan Kami dari kelompok 3 kelas A2 2021, project ini dibuat guna untuk memenuhi tugas proyek akhir Pratikum Kecerdasan Buatan 💻🤖 ⚙️

Anggota Kelompok

[o] Hadie Pratama Tulili [2109106043]

• Ketua Kelompok
• Preprocessing dan Modelling 🔬

[o] Muhammad Firdaus [2109106052]

• Anggota Kelompok
• Metadata dan Analyst 📝

[o] Rafi Izdihaar [2109106053]

• Anggota Kelompok
• Visualization 🖼️

CONTOH CNN 🔗

Deskripsi Dataset 🔎

Ukuran Gambar dari dataset ini cukup beragam. Untuk Folder Anime ukuran gambar bervariasi dari 25 x 25 hingga 186 x 186. Untuk Folder Cartoon ukuran gambar bervariasi dari 74 x 200 hingga 519 x 97. Untuk Folder Human memiliki ukuran gambar yang sama semua yaitu 1024 x 1024. Dataset Ini memiliki 3 class yaitu anime, cartoon dan human yang masing-masing class memiliki jumlah gambar yang berbeda. banyak data di class anime adalah sebesar 3004 gambar, cartoon sebesar 2913 gambar, dan untuk human sebesar 3000 gambar.

Data Pada Semua Class

plt.figure(figsize=(15, 35))
sns.set_theme()
plt.subplot(3, 1, 1)
sns.countplot(x=tag)
plt.xlabel('Anime VS Cartoon VS Human')
plt.ylabel('Jumlah')
plt.title('Jumlah Data semua class')
plt.show()

Jumlah Data setiap kelas dalam Training, Testing dan Validation

# Diagram bar untuk masing2 datasplit

plt.figure(figsize=(15, 35))

sns.set_theme()

plt.subplot(3, 1, 1)
sns.countplot(x=TR)
plt.xlabel('Anime VS Cartoon VS Human')
plt.ylabel('Jumlah')
plt.title('Jumlah Data Per Kelas Yang Ada di Train Set')

plt.subplot(3, 1, 2)
sns.countplot(x=TS)
plt.xlabel('Anime VS Cartoon VS Human')
plt.ylabel('Jumlah')
plt.title('Jumlah Data Per Kelas Yang Ada di Testing Set')

plt.subplot(3, 1, 3)
sns.countplot(x=VL)
plt.xlabel('Anime VS Cartoon VS Human')
plt.ylabel('Jumlah')
plt.title('Jumlah Data Per Kelas Yang Ada di Validation Set')

plt.show()

plt.figure(figsize=(10,5))
plt.pie(
    train_pie['Image'],
    labels=train_pie['Class'],
    startangle=90,
    autopct='%.1f%%',
    shadow=True
)
plt.title("Persentase jumlah data setiap kelas di Train set")
plt.legend()
plt.show()

plt.figure(figsize=(10,5))
plt.pie(
    test_pie['Image'],
    labels=test_pie['Class'],
    startangle=90,
    autopct='%.1f%%',
    shadow=True
)
plt.title("Persentase jumlah data setiap kelas di Test set")
plt.legend()
plt.show()

plt.figure(figsize=(10,5))
plt.pie(
    val_pie['Image'],
    labels=val_pie['Class'],
    startangle=90,
    autopct='%.1f%%',
    shadow=True
)
plt.title("Persentase jumlah data setiap kelas di Val set")
plt.legend()
plt.show()