KLASIFIKASI TANAMAN ANGGREK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Putra, Dimas Nurfaizi (2023) KLASIFIKASI TANAMAN ANGGREK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Other thesis, UPN Veteran Yogyakarta.

	Text ABSTRAK.pdf Download (106kB)
	Text COVER.pdf Download (274kB)
	Text DAFTAR ISI.pdf Download (118kB)
	Text DAFTAR PUSTAKA.pdf Download (96kB)
	Text HALAMAN PENGESAHAN PEMBIMBING .pdf Download (249kB)
	Text HALAMAN PENGESAHAN PENGUJI.pdf Download (262kB)
	Text SKRIPSI_FULL_DIMAS_NURFAIZI_PUTRA.pdf Restricted to Repository staff only Download (4MB)

Abstract

Terdapat sekitar 5000-6000 jenis bunga anggrek di dunia. Bunga anggrek memiliki
nilai jual yang tinggi karena keunikan dan keindahan bunganya. Bagi orang awam,
membedakan antara jenis anggrek bisa menjadi tantangan karena banyaknya variasi bentuk,
warna, dan pola pada bunga dan daun yang seringkali mirip di antara beberapa spesies.
Beberapa jenis anggrek juga memiliki perbedaan subtanial dalam ciri-ciri morfologi yang
sulit diidentifikasi tanpa pengetahuan botani yang mendalam. Keterbatasan pengetahuan dan
pengalaman dalam mengenali perbedaan antara jenis anggrek dapat menyebabkan kesulitan
dalam mengidentifikasi secara tepat dan akurat. Bagi mereka yang ahli dalam bunga anggrek,
pengklasifikasian spesies bisa dilakukan dengan mudah. Namun, bagi komputer, tugas ini
kompleks dan memerlukan desain sistem yang baik. Oleh karena itu, diperlukan teknologi
seperti deep learning dengan Convolutional Neural Network sebagai solusi untuk
mengklasifikasikan jenis tanaman anggrek. Ini merupakan langkah penting dalam
pendeteksian tanaman anggrek, mengatasi kesulitan yang mungkin dihadapi manusia dalam
mengidentifikasi varietas yang beragam ini.
Dalam penelitian ini, digunakan metode Convolutional Neural Network (CNN)
dengan menerapkan arsitektur MobileNetV2 dan MobileNetV2 & custom, untuk
mengklasifikasikan tanaman anggrek berdasarkan citra daun. Penelitian mencakup 8
pengujian dengan variasi epoch dan folds. Dapat disimpulkan bahwa model MobileNetV2 &
custom, dengan input shape 224x224, 15 epoch, dan 10 folds, mencapai tingkat akurasi
tertinggi sebesar 99.98%. Penggunaan confusion matrix memberikan nilai recall sebesar
99.20%, precision 99.40%, dan f1-score 98.80%, menunjukkan kualitas model yang baik
dalam mengenali dan mengklasifikasikan tanaman anggrek.
Kata Kunci : Anggrek, Convolutional Neural Network, Klasifikasi, CNN, MobileNetV2

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Anggrek, Convolutional Neural Network, Klasifikasi, CNN, MobileNetV2
Subjects:	T Technology > T Technology (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	A.Md Sepfriend Ayu Kelana Giri
Date Deposited:	29 Dec 2023 07:32
Last Modified:	29 Dec 2023 07:32
URI:	http://eprints.upnyk.ac.id/id/eprint/38464

Actions (login required)

View Item