Implementasi Deep Learning pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network

Ilahiyah, Sarirotul (2018) Implementasi Deep Learning pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

[img] Text
2. Pendahuluan.pdf

Download (169kB)
[img] Text
3. BAB I.pdf

Download (33kB)
[img] Text
4. BAB II.pdf
Restricted to Repository staff only

Download (726kB)
[img] Text
5. BAB III.pdf
Restricted to Repository staff only

Download (214kB)
[img] Text
6. BAB IV.pdf
Restricted to Repository staff only

Download (804kB)
[img] Text
7. BAB V.pdf
Restricted to Repository staff only

Download (26kB)
[img] Text
8. Daftar Pustaka.pdf

Download (71kB)
[img] Text
9. Lampiran.pdf
Restricted to Repository staff only

Download (239kB)
[img] Text
Jurnal.pdf

Download (341kB)

Abstract

Convolutional Neural Network adalah salah satu algoritma Deep Learning yang merupakan pengembangan dari Multilayer Peceptron (MLP) yang dirancang untuk mengolah data dalam bentuk dua dimensi, misalnya gambar atau suara. CNN dibuat dengan prinsip translation invariance yaitu dapat mengenali objek dalam citra pada berbagai macam posisi yang mungkin. Terdapat 2000 citra daun yang diklasifikasi menggunakan Alexnet. Alexnet merupakan arsitektur CNN milik Krizhevsky yang memiliki delapan layer ekstraksi fitur. Layer tersebut terdiri dari lima layer konvolusi dan tiga pooling layer. Dalam layer klasifikasinya, Alexnet mempunyai dua layer Fully Connected yang masing-masing mempunyai 4096 neuron. Pada akhir layer terdapat pengklasifikasian kedalam 20 kategori menggunakan aktifasi softmax. Rata-rata akurasi dari hasil klasifikasi mencapai 85%. Sedangkan akurasi dari identifikasi berhasil mencapai 90% yang didapatkan dari pengujian 40 citra.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Deep Learning, Convolutional Neural Network, Alexnet
Subjects: 000 General Works > 004 Data Processing, Computer Science
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1 - Undergraduate Thesis)
Depositing User: Hendri Uut Fahrullah
Date Deposited: 16 Oct 2019 01:47
Last Modified: 16 Oct 2019 01:47
URI: http://repository.unmuhjember.ac.id/id/eprint/2482

Actions (login required)

View Item View Item