@article{Feriawan_Swanjaya_2020, title={Perbandingan Arsitektur Visual Geometry Group dan MobileNet Pada Pengenalan Jenis Kayu}, volume={4}, url={https://proceeding.unpkediri.ac.id/index.php/inotek/article/view/84}, DOI={10.29407/inotek.v4i3.84}, abstractNote={<p>Furnitur  merupakan  salah  satu  komoditas  strategis  bagi  ekonomi  Indonesia  karena  furnitur merupakan produk yang bernilai tambah tinggi dan memiliki daya saing global. Produksi furnitur kayu di Indonesia pada tahun mencapai 80% dari keseluruhan produksi furnitur. Untuk mengidentifikasi jenis kayu dibutuhkan seorang pakar kayu. Proses identifikasi kayu bisa ditentukan oleh beberapa faktor seperti warna, tekstur, berat dan masih banyak  lagi.  Identifikasi  kayu  bisa  dilakukan  dengan  teknologi  Computer  Vision  karena  memiliki  keuntungan meningkatkan waktu identifikasi dan mengurangi biaya pada proses Quality Control. Convolutional Neural Network (CNN) merupakan salah satu implementasi metode Deep Learning yang digunakan untuk pemrosesan citra digital. metode CNN dengan arsitektur VGG 16 dan MobileNet dipilih untuk diterapkan pada sistem identifikasi kayu Seteleah dilakukan proses pelatihan dan testing, model arsitektur MobileNet memiliki hasil akurasi senilai 96% dan proses pelatihan juga lebih cepat dibandingkan model arsitektur VGG 16 yang memiliki hasil akurasi senilai 90%</p>}, number={3}, journal={Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)}, author={Feriawan, Jimmy and Swanjaya, Daniel}, year={2020}, month={Aug.}, pages={185–190} }