Implementasi Metode Convolutional Neural Network (CNN) Untuk Mendeteksi Jenis Tanaman Herbal

Deana Nurul Khaeva, . (2023) Implementasi Metode Convolutional Neural Network (CNN) Untuk Mendeteksi Jenis Tanaman Herbal. Other thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (645kB)
	Text BAB I.pdf Restricted to Registered users only Download (101kB)
	Text BAB II.pdf Restricted to Registered users only Download (806kB)
	Text BAB III.pdf Restricted to Registered users only Download (148kB)
	Text BAB IV.pdf Restricted to Registered users only Download (505kB)
	Text BAB V.pdf Restricted to Registered users only Download (97kB)
	Text JURNAL.pdf Restricted to Registered users only Download (571kB)

Abstract

Tanaman herbal dapat digunakan sebagai alternatif terapi alami untuk bahan kimia. Tanaman herbal telah dimanfaatkan sebagai penyedia oksigen, bahan makanan, obat-obatan dan kosmetik. Karena kurangnya pengetahuan masyarakat tentang tanaman herbal, maka diperlukan dokumentasi yang berisi informasi tentang tanaman obat yang digunakan. Dengan menggunakan teknologi dan informasi dapat dilakukan pengklasifikasian jenis-jenis tanaman herbal dengan pengolahan citra digital daunnya, salah satunya dengan menggunakan metode CNN (Convolutional Neural Network). CNN adalah jaringan saraf yang dapat digunakan untuk menjalankan klasifikasi gambar. Dalam kasus deteksi jenis tanaman herbal, CNN dapat diterapkan dengan mengidentifikasi daun pada sebuah gambar tanaman herbal. CNN akan menjalankan operasi konvolusi yang membagi gambar menjadi bagian-bagian kecil yang disebut "peta fitur". Setiap peta fitur ini akan berisi beberapa informasi tentang bagian kecil dari gambar yang dikonvolusi, diikuti dengan operasi penyatuan untuk mengklasifikasikan peta fitur, dan kemudian proses pelatihan CNN mencakup data pelatihan yang telah diberi label untuk mengidentifikasi dan memisahkan daun dari objek lain. Supaya dapat mengklasifikasikan jenis tanaman herbal dari daun dengan akurasi yang tinggi dan untuk menghindari overfitting, dimasukkan sebuah arsitektur CNN yaitu Inception-V3. Arsitektur Inception-V3 sering digunakan sebagai dasar bagi pengembangan arsitektur CNN yang lebih canggih dalam mendeteksi gambar pada dataset yang lebih besar dan kompleks. Program ini dibuat di Google Collaboratory dengan menggunakan bahasa pemrograman Python. Proses klasifikasi jenis tanaman herbal menggunakan metode CNN menghasilkan nilai akurasi sebesar 98,51%. Hasil penelitian ini model Machine Learning untuk mendeteksi jenis-jenis tanaman herbal yang diakses secara online. Kata Kunci: convolutional neural network (CNN), deteksi, tanaman herbal.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	convolutional neural network (CNN), deteksi, tanaman herbal.
Subjects:	Q Science > QA Mathematics
Divisions:	Faculty of Engineering, Science and Mathematics > School of Mathematics
Depositing User:	Yeni Ratnasari
Date Deposited:	29 Nov 2024 10:12
Last Modified:	29 Nov 2024 10:12
URI:	http://repository.unpam.ac.id/id/eprint/15484

Actions (login required)

View Item