KLASIFIKASI JENIS TANAMAN HERBAL MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK

R Akhrom Darmawan, 3011610044 (2021) KLASIFIKASI JENIS TANAMAN HERBAL MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK. Undergraduate thesis, Universitas Internasional Semen Indonesia.

[img] Text (COVER)
0. COVER.pdf

Download (243kB)
[img] Text (HALAMAN JUDUL)
1. HALAMAN JUDUL.pdf

Download (236kB)
[img] Text (LEMBAR PENGESAHAN)
2. LEMBAR PENGESAHAN.pdf
Restricted to Registered users only

Download (838kB) | Request a copy
[img] Text (HALAMAN PERSETUJUAN PUBLIKASI)
3. HALAMAN PERSETUJUAN PUBLIKASI.pdf
Restricted to Repository staff only

Download (367kB) | Request a copy
[img] Text (HALAMAN PERNYATAAN ORISINALITAS)
4. HALAMAN PERNYATAAN ORISINALITAS.pdf
Restricted to Repository staff only

Download (370kB) | Request a copy
[img] Text (ABSTRAK)
5. ABSTRAK.pdf

Download (4MB)
[img] Text (KATA PENGANTAR)
6. KATA PENGANTAR.pdf
Restricted to Repository staff only

Download (4MB) | Request a copy
[img] Text (DAFTAR ISI)
7. DAFTAR ISI.pdf

Download (4MB)
[img] Text (DAFTAR LABEL)
8. DAFTAR TABEL.pdf
Restricted to Repository staff only

Download (4MB) | Request a copy
[img] Text (DAFTAR GAMBAR)
9. DAFTAR GAMBAR.pdf
Restricted to Repository staff only

Download (449kB) | Request a copy
[img] Text (BAB I PENDAHULUAN)
10. BAB I PENDAHULUAN.pdf

Download (4MB)
[img] Text (BAB II KAJIAN PUSTAKA)
11. BAB II KAJIAN PUSTAKA.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
[img] Text (BAB III METODOLOGI PENELITIAN)
12. BAB III METEDOLOGI PENELITIAN.pdf
Restricted to Repository staff only

Download (4MB) | Request a copy
[img] Text (BAB IV HASIL DAN PEMBAHASAN)
13. BAB IV HASIL DAN PEMBAHASAN.pdf
Restricted to Repository staff only

Download (5MB) | Request a copy
[img] Text (BAB V KESIMPULAN DAN SARAN)
14. BAB V KESIMPULAN DAN SARAN.pdf
Restricted to Repository staff only

Download (4MB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
15. DAFTAR PUSTAKA.pdf

Download (4MB)
[img] Text (LAMPIRAN)
16. LAMPIRAN.pdf
Restricted to Repository staff only

Download (5MB) | Request a copy
[img] Text (FULLTEXT)
SKRIPSI - R AKHROM DARMAWAN (3011610044).pdf
Restricted to Repository staff only

Download (8MB) | Request a copy
[img] Text (FULLTEXT DOC)
SKRIPSI - R AKHROM DARMAWAN (3011610044).docx
Restricted to Repository staff only

Download (7MB) | Request a copy
[img] Text (JURNAL)
JURNAL - R AKHROM DARMAWAN (3011610044).docx
Restricted to Repository staff only

Download (65kB) | Request a copy

Abstract

Indonesia merupakan negara yang mempunyai banyak keragaman hayati yang tinggi termasuk keragaman dalam tanaman herbal atau tanaman obat. Penelitian ini bertujuan untuk mengklasifikasi daun pada tanaman herbal karena untuk membedakan antara daun herbal dan tanaman biasa sangat sulit. Dalam penelitian ini menggunakan metode Convolutional Neural Network (CNN). CNN merupakan salah satu jenis neural network yang digunakan pada data image untuk mendeteksi dan mengenali objek pada sebuah citra. Dan penelitian ini menggunakan arsitektur dari VGG16, VGG19, InceptionV3, Xception dan Resnet90 . Pada penelitian ini menggunakan 10 dataset tanaman herbal yaitu daun meniran, daun dewa, daun sembung, daun kelor, daun sirih, daun binahong, daun salam, daun beluntas, daun ki tolod dan daun sambiloto. Hasil dari penelitian ini mendapatkan hasil akurasi 94,8% pada VGG16, 96,6% pada VGG19, 95,2% pada Xception, 93,8% pada InceptionV3 dan 81,2% pada Resnet90.

Item Type: Thesis (Undergraduate)
Additional Information: 000/KK.21/UISI-01/IF
Uncontrolled Keywords: Tanaman Herbal, CNN, Python, Arsitektur
Contributors:
ContributionNameEmail
Thesis advisorYohanes Indra Riskajaya, S.Kom., M.Kom., MCEyohanes.riskajaya@uisi.ac.id
Thesis advisorTaufiqotul Bariyah, S.Kom., M.IM.taufiqotul.bariyah@uisi.ac.id
Subjects: T Technology > T Technology (General)
Divisions: Department of Informatics
Depositing User: Rahmat Akhrom Darmawan
Date Deposited: 18 Mar 2021 10:51
Last Modified: 18 Mar 2021 10:51
URI: https://repository.uisi.ac.id/id/eprint/1345

Actions (login required)

View Item View Item