KLASIFIKASI RIMPANG MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR MOBILENETV2

Nugroho, Bayu Tri (2024) KLASIFIKASI RIMPANG MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ARSITEKTUR MOBILENETV2. Diploma thesis, UPN Veteran Yogyakarta.

	Text SKRIPSI FULL_Bayu Tri Nugroho_123190015.pdf Restricted to Repository staff only Download (8MB)
	Text Abstrak.pdf Download (20kB)
	Text Cover.pdf Download (239kB)
	Text Daftar Isi.pdf Download (194kB)
	Text Daftar Pustaka.pdf Download (151kB)
	Text Halaman Pengesahan Pembimbing.pdf Download (243kB)
	Text Halaman Pengesahan Penguji.pdf Download (259kB)

Abstract

vi
ABSTRAK
Rempah rimpang merupakan bagian dari tanaman rempah tumbuhnya menjalar ke
bawah permukaan tanah dan dapat menghasilkan tunas serta akar baru dari ruasnya, dimana
bagian ini menyimpan minyak atsiri dan alkaloid dalam jumlah yang banyak yang dapat
dimanfaatkan dalam bidang pengobatan. Secara umum idenifikasi pada jenis rimpang ini
dapat dilakukan secara kasat mata, namun sayangnya masih banyak dari masyarakat kita
yang sulit dan bingung dalam membedakan jenis rimpang, karena memiliki bentuk dan ciri
yang mirip satu sama lain. Hal ini yang menjadi dasar banyaknya peneliti yang
mengeksplorasi metode baru guna malakukan klasifikasi rimpang secara otomatis dan
efektif. Pada penelitian ini penulis menerapkan metode transfer learning Convolutional
Neural Network (CNN) arsitektur MobileNetV2 dengan diterapkan augmentasi data guna
mengatasi permasalahan pada kasus dataset yang terbatas. Untuk menemukan konfigurasi
model terbaik dirancang beberapa kombinasi pengujian hyperparameter, dengan nilai
learning rate 0.1, 0.001 dan 0.0001 serta jenis optimizer yang berupa ADAM, SGD dan
RMSProp.
Hasil dari 9 kombinasi pengujian yang sudah dilaksanakan diperoleh performa terbaik
model dengan konfigurasi learning rate 0.0001 dan optimizer jenis RMSProp. Dibuktikan
dengan capaian nilai akurasi training sebesar 97.86% dengan loss 0.1096, dari nilai ini
model dinilai mampu dalam mempelajari pola-pola yang ada dalam data training. Kemudian
nilai akurasi validasi 92.4% dengan loss 0.2109 yang memberikan gambaran bahwa model
mampu mengeneralisasi pola yang telah dipelajari ke data baru yang belum pernah dilihat.
Dan hasil akhir menggunakan data testing diperoleh nilai akurasi sebesar 98%. Berdasarkan
hasil tersebut disimpulkan bahwa penerapan transfer learning Convolutional Neural
Network (CNN) arsitektur MobileNetV2 terbukti mampu memberikan performa yang baik
pada kasus klasifikasi rimpang meskipun dengan jumlah data yang terbatas.
Kata Kunci : Convolutial Neural Network, MobileNetV2, Transfer Leaning, Rimpang

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Convolutial Neural Network, MobileNetV2, Transfer Leaning, Rimpang
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	19 Jul 2024 08:04
Last Modified:	19 Jul 2024 08:04
URI:	http://eprints.upnyk.ac.id/id/eprint/40310

Actions (login required)

View Item