Penerapan Convolutional Neural Network untuk Klasifikasi Bunga Iris pada Tingkat Genus

Sidiq, Muhammad Fajar (2022) Penerapan Convolutional Neural Network untuk Klasifikasi Bunga Iris pada Tingkat Genus. Other thesis, UPN 'Veteran" Yogyakarta.

	Text ABSTRAK.pdf Download (34kB)
	Text COVER SKIRPSI.pdf Download (122kB)
	Text DAFTAR ISI.pdf Download (94kB)
	Text DAFTAR PUSTAKA.pdf Download (102kB)
	Text Lembar Pengesahan Pembimbing.pdf Download (71kB)
	Text SKRIPSI FULL_Muhammad_Fajar_Sidiq_123170078_Informatika.pdf Restricted to Repository staff only Download (5MB)

Abstract

Klasifikasi bunga pada tahap genus atau spesies perlu melibatkan ahli pada
bidangnya. Ketika membedakan spesies bunga yang akan di klasifikasi, para ahli perlu
melihat bunga tersebut secara langsung agar dapat membedakannya dengan baik. Seiring
dengan perkembangan teknologi khususnya computer science terdapat bidang yang dapat
mengklasifikasi benda yaitu machine learning, bidang studi tersebut tersebut dapat
membantu para peneliti dan orang awan untuk mengklasifikasi bunga dengan lebih mudah.
Pada penelitian yang dilakukan akan menggunakan media gambar yang memiliki objek
bunga. Bunga yang digunakan merupakan bunga tingkat genus/ species yaitu bunga iris
versicolor dan iris virginica. Sedangkan metode yang digunakan adalah metode yang
umumnya digunakan untuk klasifikasi gambar yaitu convolutional neural network. Pada
penelitian ini ingin mengetahui bagaimana pengaruh preprocessing terhadap akurasi
convolutional neural network dan Bagaimana akurasi yang dihasilkan convolutional neural
network apabila digunakan untuk mengklasifikasi bunga iris yang terdapat pada tingkat
genus.
Pada penelitian ini akan melakukan klasifikasi dua benda yang berbeda atau disebut
juga binary classification. Metode convolutional neural network atau CNN dipilih untuk
mengklasifikasi gambar karena memiliki convolutional layer dan pooling layer yang dapat
mencari hidden parameter/ mencari pola tertentu yang tidak dapat dilihat oleh manusia.
Setelah seluruh tahap convolutional layer dan pooling layer terlewati akan di lakukan
classifier menggunakan neural network untuk menentukan bunga iris tersebut, yaitu iris
versicolor atau iris virginica. Pada metode CNN memiliki parameter sharing yang dapat
mereduksi computation cost ketika dilakukan training. Penelitian ini melakukan pengujian
convolutional naural network apabila menggunakan preprocessing, preprocessing yang
digunakan merupakan data augmentation yang terdiri dari rescale, rotation range,
horizontal flip, shear range, zoom range, width shift range, height shift range, dan fill mode.
Kemudian penelitian ini juga melakukan kombinasi hyperparameter/ hyperparameter
tuning yang terdiri dari optimizer, pooling layer, target size, dan epochs untuk menghasilkan
sebuah model yang optimal.
Metode pengujian model pada penelitian ini adalah confusion matrix yang
digunakan untuk menentukan tingkat akurasi yang dihasilkan oleh model CNN. Hasil
pengujian yang tidak menggunakan preprocessing dan menggunakan kombinasi
hyperparameter dengan nilai target size 150 x 150 pixels, pooling layer menggunakan max
pooling, dan jumlah epochs sebesar 50. Menghasilkan akurasi sebesar 72% dengan nilai loss
sebesar 0.43. Sedangkan pengujian yang menggunakan preprocessing dan menggunakan
kombinasi hyperparameter dengan nilai target size 150 x 150 pixels, pooling layer
menggunakan max pooling, dan jumlah epochs sebesar 50 menghasilkan akurasi sebesar
96% dengan nilai loss sebesar 0.08.
Kata kunci : hyperparameter, convolutional neural network, klasifikasi citra

Item Type:	Thesis (Other)
Uncontrolled Keywords:	hyperparameter, convolutional neural network, klasifikasi citra
Subjects:	Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eko Yuli
Date Deposited:	01 Aug 2022 06:24
Last Modified:	01 Aug 2022 06:27
URI:	http://eprints.upnyk.ac.id/id/eprint/30506

Actions (login required)

View Item