Klasifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network

Ramadhani, Rizki Indra (2021) Klasifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network. Undergraduate thesis, Universitas Muhammadyah Jember.

	Text a. PENDAHULUAN.pdf Download (314kB)
	Text b. ABSTRAK.pdf Download (145kB)
	Text c. BAB I.pdf Restricted to Repository staff only Download (953kB) | Request a copy
	Text d. BAB II.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text e. BAB III.pdf Restricted to Repository staff only Download (984kB) | Request a copy
	Text f. BAB IV.pdf Restricted to Repository staff only Download (1MB) | Request a copy
	Text g. BAB V.pdf Restricted to Repository staff only Download (876kB) | Request a copy
	Text h. DAFTAR PUSTAKA.pdf Download (941kB)
	Text i. LAMPIRAN.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Salah satu makhluk hidup yang dibutuhkan oleh manusia adalah tumbuhan. Selain penyedia oksigen bagi manusia, tumbuhan juga dapat berguna sebagai obat – obatan, bahan makanan, kosmetik, dan sumber pangan dan sandang. Sebelum memanfatkan tumbuhan, langkah terbaik yaitu mengidentifikasinya. Hal ini karena memiliki banyak kemiripan antar tumbuhan, seperti kemiripan daun. Maka dari itu dibutuhkan teknologi yang dapat mengidentifikasi tumbuhan berdasarkan daunnya. Convolutional Neural Network (CNN) merupakan salah satu pengembangan algoritma Multilayer Perceptron (MLP) yang mampu mengidentifikasi data dua dimensi, seperti gambar dan suara. Arsitektur CNN yang digunakan yaitu VGG-16 dengan terdapat 2300 citra daun. VGG-16 yang dikembangkan oleh K. Simonyan dan A. Zisserman memiliki 13 convolution layer dengan fungsi aktifasi ReLU dan 5 pooling layer. VGG-16 mempunyai dua Fully Connected layer yang mempunyai 4096 neuron setiap layer. Pada layer akhir terdapat pengklasifikasian 23 kelas menggunakan aktifasi softmax. Akurasi yang dihasilkan berhasil mencapai 92,6%. Sedangkan akurasi pada identifikasi mampu mencapai 92% yang didapatkan dari pengujian 50 citra. Kesimpulan dari penelitian ini bahwa algoritma Convolutional Neural Network (CNN) yang dibangun relatif mampu mengidentifikasi jenis tumbuhan berdasarkan citra daun dan tingkat efektivitas model mengidentifikasi jenis tumbuhan berdasarkan citra daun kurang baik.

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Convolutional Neural Network, VGG-16, Identifikasi
Subjects:	600 Technology and Applied Science > 630 Farm, Farming
Divisions:	Faculty of Engineering > Department of Informatics Management System (D3)
Depositing User:	Indra Rizki Ramadhani
Date Deposited:	02 Nov 2021 07:24
Last Modified:	02 Nov 2021 07:24
URI:	http://repository.unmuhjember.ac.id/id/eprint/12133

Actions (login required)

View Item