IMPLEMENTASI DEEP LEARNING FLOWER SCANNER MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) PADA TANAMAN AGLAONEMA BERBASIS ANDROID

FATMAWATI, RIANI and Desyanti, Desyanti and Urva, Gellysa (2022) IMPLEMENTASI DEEP LEARNING FLOWER SCANNER MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) PADA TANAMAN AGLAONEMA BERBASIS ANDROID. Other thesis, Sekolah Tinggi Teknologi Dumai.

	Text DAFTAR PUSTAKA.docx - Bibliography Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (14kB)
	Text BAB I.docx - Accepted Version Restricted to Repository staff only Available under License Creative Commons Public Domain Dedication. Download (21kB)

Abstract

Tanaman Aglaonema memiliki warna dan bentuk daun yang unik menjadikan daya tarik tersendiri bagi para pecintanya. Dari keindahan daunnya itu maka tanaman Aglaonema ini dikenal juga sebagai ratu tanaman hias karena sosoknya yang anggun dan harganya yang relatif mahal. Aglaonema memiliki jenis yang beragam sehingga tanaman hias tersebut sedikit sulit untuk diidentifikasi jenisnya. Cara mengetahui jenis tanaman Aglaonema ini bisa dibedakan/diidentifikasi berdasarkan bentuk, warna corak dari daunnya dan tulang daunnya. Agar mempermudah pengidentifikasian dan pengklasifikasian tanaman Aglonema ini maka dilakukan pengambilan citra yang selanjutnya akan diproses atau diolah menjadi sebuah data yang akan diklasifikasikan menggunakan Convolutional Neural Network (CNN). Penelitian ini menghasilkan implementasi CNN untuk pengklasifikasian Tanaman Aglaonema dengan mengInput citra gambar berukuran 224x224 pixel dimana menggunakan jenis gambar berwarna (RGB). Hasil dari akurasi testing yang didapatkan berdasarkan arsitektur terbaik untuk pengklasifikasian Tanaman Aglaonema sesuai kategorinya sebesar 76,92%, dimana untuk hasil pengklasifikasian citra Tanaman Aglaonema sebanyak 69 citra yang mampu terdeteksi sebanyak 13 yang diujikan. Aplikasi ini dapat membantu masyarakat untuk mengetahui setiap jenis tanaman aglaonema.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Aplikasi, Convolutional Neural Network (CNN), Aglaonema
Subjects:	Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Civil Engineering and the Environment
Depositing User:	Unnamed user with email merinapratiwi@mail-sttdumai.ac.id
Date Deposited:	31 Jul 2023 13:34
Last Modified:	31 Jul 2023 13:34
URI:	http://repository.sttdumai.ac.id/id/eprint/711

Actions (login required)

View Item