Skripsi
Implementasi metode Convolutional Neural Network (CNN) untuk mengklasifikasi tanaman hias aglaonema puring dan bougenvil berbasis android
- Bagikan:
Tujuan penelitian ini adalah untuk mengembangkan sebuah aplikasi berbasis Android yang dapat mengidentifikasi dan membedakan Aglaonema Puring dan Bougenvil melalui penggunaan teknik CNN. Metode yang digunakan dalam penelitian ini melibatkan beberapa tahap. Pertama, dilakukan pengumpulan data berupa sampel gambar Aglaonema Puring dan Bougenvil. Data ini digunakan sebagai dataset untuk melatih dan menguji model CNN. Selanjutnya, dilakukan pra-pemrosesan data seperti resizing, normalisasi, dan augmentasi gambar untuk meningkatkan performa model. Setelah itu, dilakukan pelatihan model CNN dengan menggunakan dataset yang telah diproses. Proses pelatihan mencakup pengenalan fitur dan pembelajaran pola melalui layer-layer convolution dan pooling. Setelah model dilatih, dilakukan pengujian menggunakan dataset uji yang tidak pernah dilihat sebelumnya untuk mengukur akurasi dan kinerja model. Hasil penelitian menunjukkan bahwa implementasi metode CNN menghasilkan model yang mampu mengklasifikasikan dengan akurasi tinggi antara Aglaonema Puring dan Bougenvil. Aplikasi ini memungkinkan pengguna untuk memotret atau mengunggah gambar tanaman hias dan mendapatkan hasil klasifikasi secara real-time. Diharapkan penelitian ini dapat menjadi dasar pengembangan lebih lanjut dalam bidang pengenalan tanaman hias dan aplikasi berbasis Android.
Kata kunci: Deep Learning, CNN, Convolution, Tanaman Hias, user acceptance testing.
*Arfan Mauko
**Derwin R. Sina
Detail Information
| Item Type |
Skripsi
|
|---|---|
| Penulis |
Johan Junian Wila Mare - Personal Name
|
| Student ID |
1606080021
|
| Dosen Pembimbing |
ARFAN YEHESKIEL MAUKO - 198005202008121003 - Dosen Pembimbing 1
DERWIN RONY SINA - 198007162008121002 - Dosen Pembimbing 2 |
| Penguji |
Adriana Fanggidae - 197811102003122002 - Ketua Penguji
Nelci D. Rumlaklak - 198112272014042002 - Penguji 1 Yelly Yosiana Nabuasa - 198303242009122004 - Penguji 2 |
| Kode Prodi PDDIKTI |
55201
|
| Edisi |
Published
|
| Departement |
Ilmu Komputer
|
| Kontributor | |
| Bahasa |
Indonesia
|
| Penerbit | UPT Perpustakaan Undana : Kupang., 2023 |
| Edisi |
Published
|
| Subyek | |
| No Panggil |
552.01 Are I
|
| Copyright |
Individu Penulis
|
| Doi |