Update Artikelilmiah: 49508

DARELL ADHAM KUMARA DAMARAJI

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Machine learning telah banyak diterapkan dalam berbagai bidang yang salah satunya adalah klasifikasi visual karena algoritma dapat menyamai atau bahkan melampaui kemampuan manusia dalam bidang ini. Penyedia layanan berbasis cloud seperti Amazon, Google, Microsoft, dan lainnya telah mengembangkan “ML-as-a-service” sehingga pengguna dapat mendapat manfaat penerapan ML tanpa harus membuat model mereka sendiri karena untuk mengembangkan model sendiri dibutuhkan waktu, keahlian, dan sumber daya yang cukup besar. Sering kali membutuhkan waktu berbulan bulan dan juga dapat membutuhkan ribuan gambar yang harus diberi label secara manual agar data yang disediakan cukup untuk model dapat berjalan dengan akurat. Oleh karena itu dalam penelitian ini penulis ingin membahas tentang pengenalan citra yang diotomatisasi dengan AI yang disediakan oleh penyedia layanan cloud . Penelitian ini bertujuan untuk membandingkan performa layanan pengenalan citra berbasis cloud antara AWS Rekognition dan GCP Vision AI. Perbandingan dilakukan terhadap berbagai aspek seperti akurasi (precision dan recall), kecepatan pelatihan model, kemudahan penggunaan, serta efisiensi biaya. Dataset yang digunakan mencakup berbagai kategori seperti tumor 
otak, penyakit mata, kualitas telur, hingga citra X-ray dan kanker kulit. Hasil penelitian menunjukkan 
bahwa AWS Rekognition memiliki keunggulan dalam hal kemudahan penggunaan dan pelabelan 
dataset secara otomatis, serta performa model yang secara umum lebih tinggi dibandingkan GCP Vision 
AI. Sementara itu, GCP Vision AI menunjukkan kecepatan pelatihan model yang lebih baik. Dengan 
demikian, AWS Rekognition lebih direkomendasikan untuk pengguna pemula maupun skenario yang 
memprioritaskan efisiensi pelabelan dan hasil akurasi tinggi.

Abtrak (Bhs. Inggris)

Machine learning has been widely applied in various fields, one of which is visual classification because algorithms can match or even surpass human abilities in this field. Cloud-based service providers such as Amazon, Google, Microsoft, and others have developed ML-as-a-service so that users can benefit from the application of ML without having to create their own models because developing your own models requires considerable time, expertise, and resources. It often takes months and can also require thousands of images to be manually labeled in order to provide enough data for the model to run accurately. Therefore, in this study, the author wants to discuss automated image recognition with AI provided by cloud service providers. This study aims to compare the performance 
of AWS Rekognition and GCP Vision AI in cloud-based image recognition tasks. The comparison focuses on aspects such as precision, recall, model training speed, ease of use, and cost efficiency. Various datasets were used in the experiments, including brain tumor images, eye diseases, egg quality, chest X-rays, and skin cancer. The results indicate that AWS Rekognition offers better overall performance in terms of ease of use, automatic labeling, and higher model accuracy. On the other hand, 
GCP Vision AI demonstrates faster model training times. Therefore, AWS Rekognition is more suitable 
for beginners and use cases that prioritize labeling efficiency and high precision.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman