Sistem Inventory Dengan Object Detection Menggunakan Tensorflow Berbasis Android

Rizkiya, Ziar Ahriz (2022) Sistem Inventory Dengan Object Detection Menggunakan Tensorflow Berbasis Android. Diploma thesis, Politeknik Negeri Jember.

[img] Text (Ringkasan)
Ringkasan.pdf - Submitted Version
Available under License Creative Commons Attribution Share Alike.

Download (5kB)
[img] Text (Bab 1)
Bab 1.pdf - Submitted Version
Available under License Creative Commons Attribution Share Alike.

Download (10kB)
[img] Text (Daftar Pustaka)
Daftar Pustaka.pdf - Submitted Version
Available under License Creative Commons Attribution Share Alike.

Download (71kB)
[img] Text (Laporan Lengkap)
Laporan Lengkap (4).pdf
Restricted to Registered users only

Download (1MB) | Request a copy

Abstract

Pada era modern ini, pengolahan data dapat disajikan dengan lebih mudah menggunakan teknologi komputerisasi. Pengolahan data yang awalnya disajikan secara manual, dapat disajikan dengan mudah menjadi data digital yang mudah dikelola dan disimpan. Pengolahan data salah satu contohnya adalah manajemen inventory yang merupakan aktivitas penting dalam suatu perusahaan untuk mengelola suatu barang. Manajemen inventory yang dilakukan secara manual akan memakan waktu yang cukup lama. Namun jika mesin yang melakukannya, waktu dapat diringkas sehingga memudahkan pengguna atau perusahaan dalam manajemen inventory. Dari permasalahan tersebut aplikasi ini dibuat untuk memudahkan pengguna atau perusahaan dalam melaksanakan manajemen inventory.

Item Type: Thesis (Diploma)
Contributors:
ContributionContributorsNIDN/NIDK
Thesis advisorLesmana, I Putu DodyNIDN0021097903
Uncontrolled Keywords: sistem inventory, object detection, android
Subjects: 410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 457 - Teknik Komputer
Divisions: Jurusan Teknologi Informasi > Prodi D3 Teknik Komputer > Tugas Akhir
Depositing User: Ziar Ahriz Rizkiya
Date Deposited: 25 Aug 2022 08:03
Last Modified: 25 Aug 2022 08:04
URI: https://sipora.polije.ac.id/id/eprint/15555

Actions (login required)

View Item View Item