Peningkatan Akurasi Rekomendasi Lokasi Pada Aplikasi Beats PT A Menggunakan Proximity dan Image Classification

Penelitian ini bertujuan meningkatkan akurasi dalam pemberian rekomendasi nama lokasi secara otomatis melalui aplikasi Beats di Head Office PT. A dengan memberikan jarak proximity dan model klasifikasi citra. Dalam memilih model klasifikasi citra yang akan digunakan, dilakukan perbandingan antara dua metode image classification (CNN) untuk klasifikasi citra yakni arsitektur CNN biasa dan Xception transfer learning. Penelitian dilakukan secara kuantitatif dengan menggunakan data pelaporan hazard sejumlah 147 sampel, data boundary Head Office PT. A, foto area luar,dan data hasil pemetaan. Hasil penelitian menunjukan bahwa dengan menggunakan jarak proximity 45 meter didapatkan akurasi sebesar 88% sampel benar memberikan rekomendasi salah satu nama lokasi. Selain itu dengan menggunakan klasifikasi citra, arsitektur Xception transfer learning memiliki akurasi yang lebih tinggi dibanding arsitektur CNN biasa. Arsitektur CNN Xception memiliki akurasi rekomendasi lokasi sebesar 95%.