KLASIFIKASI CITRA TANAMAN BERACUN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

NAZULI, MUHAMMAD FURQAN and Fachrurrozi, Muhammad and Rizqie, M. Qurhanul (2023) KLASIFIKASI CITRA TANAMAN BERACUN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Undergraduate thesis, Sriwijaya University.

	Text RAMA_55201_09021181924004.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (4MB) | Request a copy
	Text RAMA_55201_09021181924004_TURNITIN.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (9MB) | Request a copy
Preview	Text RAMA_55201_09021181924004_0222058001_0203128701_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (3MB) | Preview
	Text RAMA_55201_09021181924004_0222058001_0203128701_02.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (733kB) | Request a copy
	Text RAMA_55201_09021181924004_0222058001_0203128701_03.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (653kB) | Request a copy
	Text RAMA_55201_09021181924004_0222058001_0203128701_04.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (699kB) | Request a copy
	Text RAMA_55201_09021181924004_0222058001_0203128701_05.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (533kB) | Request a copy
	Text RAMA_55201_09021181924004_0222058001_0203128701_06.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (157kB) | Request a copy
	Text RAMA_55201_09021181924004_0222058001_0203128701_07_ref.pdf - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (395kB) | Request a copy
	Text RAMA_55201_09021181924004_0222058001_0203128701_08_lamp.pdf - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (323kB) | Request a copy

Abstract

Tanaman beracun dapat membahayakan, namun sebagian dapat dimanfaatkan sebagai obat-obatan atau sebagai pembunuh hama. Bagi sebagian masyarakat terutama yang berada di lingkungan dengan variasi tanaman yang beragam dapat memanfaatkan tanaman beracun ini. Kurangnya pengetahuan dan informasi menyebabkan pemanfaatan tanaman beracun ini tidak tepat guna. Perangkat lunak yang dapat melakukan klasifikasi tanaman beracun dapat menjadi alternatif solusi dalam memberikan informasi dan pengetahuan tentang tanaman beracun secara cepat. Metode Convolutional Neural Network (CNN) memiliki akurasi yang relatif tinggi dalam mengklasifikasi berbagai citra digital. Penelitian ini bertujuan mengembangkan perangkat lunak untuk melakukan klasifikasi citra tanaman beracun menggunakan metode CNN dengan model MobileNetV2 dan mengetahui perbandingan akurasi hasil dari klasifikasi dengan berbagai konfigurasi dataset dan parameter yang bervariasi. Data yang digunakan dalam penelitian untuk melakukan klasifikasi tanaman beracun terdiri dari delapan jenis tanaman beracun dan beberapa jenis tanaman tidak beracun. Berdasarkan hasil pengujian terhadap 153 data uji didapatkan nilai akurasi sebesar 99,34%, precision sebesar 99%, recall sebesar 99%, dan F1-Score sebesar 99%.

Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General) > T1-995 Technology (General)
Divisions:	09-Faculty of Computer Science > 55201-Informatics (S1)
Depositing User:	Muhammad Furqan Nazuli
Date Deposited:	01 Feb 2023 03:56
Last Modified:	01 Feb 2023 03:56
URI:	http://repository.unsri.ac.id/id/eprint/88889

Actions (login required)

View Item