Ilahiyah, Sarirotul (2018) Implementasi Deep Learning pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.
![[img]](http://repository.unmuhjember.ac.id/style/images/fileicons/text.png) |
Text
2. Pendahuluan.pdf Download (169kB) |
|
Text
3. BAB I.pdf Download (33kB) |
|
Text
4. BAB II.pdf Restricted to Repository staff only Download (726kB) |
|
Text
5. BAB III.pdf Restricted to Repository staff only Download (214kB) |
|
Text
6. BAB IV.pdf Restricted to Repository staff only Download (804kB) |
|
Text
7. BAB V.pdf Restricted to Repository staff only Download (26kB) |
|
Text
8. Daftar Pustaka.pdf Download (71kB) |
|
Text
9. Lampiran.pdf Restricted to Repository staff only Download (239kB) |
|
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 Computer Science, Information, & General Works > 004 Data Processing, Computer Science | ||||||
| Divisions: | Faculty of Engineering > Department of Informatics Engineering (S1) | ||||||
| Department: | ["eprint_fieldopt_department_KODEPRODI55201#TEKNIK INFORMATIKA" not defined] | ||||||
| Depositing User: | Hendri UF | ||||||
| Contributors: |
|
||||||
| 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 |