Sistem Deteksi Dan Klasifikasi Bunga Melati Berbasis Convolutional Neural Network (CNN) Untuk Mendeteksi Dan Mengklasifikasi Bunga Pada Analisis Citra Digital

Hizkia Bayu Wijaya, . (2024) Sistem Deteksi Dan Klasifikasi Bunga Melati Berbasis Convolutional Neural Network (CNN) Untuk Mendeteksi Dan Mengklasifikasi Bunga Pada Analisis Citra Digital. Other thesis, Universitas Pamulang.

	Text FILE COVER.pdf Restricted to Registered users only Download (1MB)
	Text BAB I.pdf Restricted to Registered users only Download (740kB)
	Text BAB II.pdf Restricted to Registered users only Download (1MB)
	Text BAB III.pdf Restricted to Registered users only Download (2MB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Restricted to Registered users only Download (173kB)
	Text Jurnal.pdf Restricted to Registered users only Download (1MB)

Abstract

Pengolahan citra telah menjadi teknologi yang semakin penting dalam berbagai bidang, termasuk botani, terutama untuk mendukung proses identifikasi tanaman secara otomatis. Salah satu tantangan utama dalam identifikasi bunga melati adalah proses manual yang membutuhkan waktu lama dan sangat bergantung pada keahlian individu. Untuk mengatasi keterbatasan ini, penelitian ini bertujuan merancang sistem deteksi dan klasifikasi bunga melati berbasis Convolutional Neural Network (CNN) yang dapat mengidentifikasi empat jenis bunga melati, yaitu Melati Putih, Melati Jepang, Melati Gambir, dan Melati Kuning. Sistem ini menggunakan arsitektur CNN ResNet50v2 yang dimodifikasi, termasuk penambahan lapisan dropout sebesar 50%, optimizer Adam dengan learning rate 0,001, serta teknik augmentasi data untuk meningkatkan performa model. Dataset yang digunakan terdiri dari 350 gambar untuk training dan 88 gambar untuk testing. Sistem juga dirancang dalam bentuk berbasis web untuk menyediakan fitur deteksi real-time dan histori klasifikasi. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, f1-score, MSE, RMSE, dan MAPE. Hasil menunjukkan bahwa sistem yang dikembangkan memiliki akurasi sebesar 97%, MSE 0,33, RMSE 0,18, dan MAPE 1,8%. Temuan ini menunjukkan bahwa sistem mampu mendeteksi dan mengklasifikasi bunga melati dengan tingkat akurasi yang tinggi, sehingga dapat membantu proses identifikasi secara cepat dan akurat. Saran untuk penelitian selanjutnya adalah menambah jumlah dataset agar model dapat memiliki generalisasi lebih baik terhadap variasi data yang lebih luas, serta mengeksplorasi arsitektur model lainnya untuk membandingkan performa. Sistem ini diharapkan dapat memberikan kontribusi signifikan dalam bidang pendidikan, pertanian, dan konservasi tanaman, khususnya untuk mempermudah identifikasi bunga melati secara otomatis.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Bunga Melati, Convolutional Neural Network, ResNet50v2, Pengolahan Citra, Sistem Deteksi
Subjects:	Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Yeni Ratnasari
Date Deposited:	23 Jul 2025 03:24
Last Modified:	23 Jul 2025 03:24
URI:	http://repository.unpam.ac.id/id/eprint/17007

Actions (login required)

View Item