eprintid: 711
rev_number: 16
eprint_status: archive
userid: 1
dir: disk0/00/00/07/11
datestamp: 2023-07-31 13:34:27
lastmod: 2023-07-31 13:34:27
status_changed: 2023-07-31 13:34:27
type: thesis
metadata_visibility: show
creators_name: FATMAWATI, RIANI
creators_name: Desyanti, Desyanti
creators_name: Urva, Gellysa
creators_id: NIM  1755201001
creators_id: NIDN 1020078801
creators_id: NIDN 1025069001
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Desyanti, Desyanti
contributors_name: Urva, Gellysa
contributors_id: NIDN 1020078801
contributors_id: NIDN 1025069001
title: IMPLEMENTASI DEEP LEARNING FLOWER SCANNER MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK
(CNN) PADA TANAMAN AGLAONEMA 
BERBASIS ANDROID
ispublished: pub
subjects: Z665
divisions: sch_civ
full_text_status: restricted
keywords: Aplikasi, Convolutional Neural Network (CNN), Aglaonema
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.
date: 2022-08-27
date_type: completed
pages: 4
institution: Sekolah Tinggi Teknologi Dumai
department: Teknik Informatika
thesis_type: other
thesis_name: other
referencetext: A.S Rosa, Shalahuddin, 2018. Modul Pembelajaran Rekayasa Perangkat Lunak (Terstruktur dan Berorientasi Objek), Modula, Bandung
Alamsyah, S. F. (2019). Implementasi Deep Learning Untuk Klasifikasi Tanaman. Computers and Its Applications Journal (2019) 113-122, 2, 113–122. 
Danukusumo, K. P. (2017). Convolutional neural network untuk mendeteksi bangunan. 10–22. 
Fadel, A., Mardayulis, M., &Yunita, P. (2019).AplikasiSistemPakar Pusat InformasiKonselingRemaja (Pik-R) Di Sman 2 DumaiDenganMetode Backward Chaining Menggunakan Bahasa PemogramanPhp.I N F O R M a T I K A, 10(2), 47.
Firdaus, A. F., Saedudin, R., Andeswari, R., & Telkom, U. (2021). IMPLEMENTASI METODE KLASIFIKASI NAIVE BAYES IMPLEMENTATION OF NAIVE BAYES CLASSIFICATION METHOD IN PREDICTING. 8(5), 9274–9279.
Fitrianingsih, & Rodiah. (2020). Klasifikasi Jenis Citra Daun Mangga Menggunakan Convolutional Neural Network. Jurnal Ilmiah Teknologi Dan Rekayasa, 25(3), 223–238.
Ilahiyah, S., & Nilogiri, A. (2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. JUSTINDO (Jurnal Sistem Dan Teknologi Informasi Indonesia), 3(2), 49–56.
Ilham Akhsanu Ridlo. (2017). Pedoman Pembuatan Flowchart. Academia.Edu, 14. https://www.academia.edu/34767055/Pedoman_Pembuatan_Flowchart
Kurnia, T. A., Endrasmono, J., Adhitya, R. Y., Identifikasi, S., Pelindung, A., & Apd, D. (2018). ( APD ) MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ( CNN ) Abstrak. 24–31.
Muhammad, S., & Wibowo, A. T. (2021). KLASIFIKASI TANAMAN AGLAONEMA BERDASARKAN CITRA DAUN MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK ( CNN ). 8(5), 10621–10636.
Nour, E. (2018). IMPLEMENTASI METODE CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI TANAMAN PADA CITRA RESOLUSI TINGGI ( The Implementation of Convolutional Neural Network Method for Agricultural Plant Classification in High Resolution Imagery ). 61–68.
Ratnawati, R., & Silma, S. (2017). Sistem Kendali Penyiram Tanaman Menggunakan Propeller Berbasis Internet Of Things. Inspiration : Jurnal Teknologi Informasi Dan Komunikasi, 7(2). Saputra, A. E., & Krismono, B. (2020). Klasifikasi Penderita Pneumonia Berdasarkan Citra Chest X-Ray Menggunakan Metode Convolutional Neural Network pada Android. 1–13.
Sadewa, A., Supandji, Junaidi, & Muharram, M. (2021). Respon Pertumbuhan. Jintan, 3(2252), 58–66.
SETIAWAN, A. (2017). Prototype AplikasiPenggajianKaryawan Yatim MandiriBerbasis Web Menggunakan Php Dan Mysqli (Mysql Improve). 2016, 4–25.
Syahidan, N., Rati, S., Lubis, S., & ... (2020). Klasifikasi Tanaman Aglaonema Menggunakan Fitur Ekstraksi Gray Level Co-Occurrence Matrix Dan K-Nearest Neighbor. J-ICOM-Jurnal Informatika …, 01(02), 1–6.
Wiryadinata, Romi; Sagita, Raya; Wardoyo, S. P. (2016). PENGENALAN WAJAH P ADA SISTEM PRESENSI MENGGUNAKAN METODE DYNAMIC TIMES WRAPPING , PRINCIPAL COMPONENT ANALYSIS DAN GABOR WAVELET. 12(1), 1–8.
citation:   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.   
document_url: http://repository.sttdumai.ac.id/711/1/DAFTAR%20PUSTAKA.docx
document_url: http://repository.sttdumai.ac.id/711/2/BAB%20I.docx