IMPLEMENTASI DEEP LEARNING PADA PENGKLASIFIKASIAN BUNGA DENGAN MENGGUNAKAN METODE CNN

ANGGUN PRATIWI, - (2024) IMPLEMENTASI DEEP LEARNING PADA PENGKLASIFIKASIAN BUNGA DENGAN MENGGUNAKAN METODE CNN. S1 thesis, Universitas Pendidikan Indonesia.

	Text TA_ART_PSTI_2008171_SK.pdf Download (877kB)
	Text TA_ART_PSTI_2008171_ART.pdf Restricted to Staf Perpustakaan Download (1MB)

Abstract

Pengembangan teknologi di bidang kecerdasan buatan, khususnya deep learning, telah memberikan kontribusi signifikan pada berbagai aplikasi, termasuk pengenalan pola dan klasifikasi objek dalam citra visual. Salah satu aplikasi menarik dari deep learning adalah pengklasifikasian gambar, di mana teknik-teknik ini telah terbukti efektif dalam menangani masalah kompleks, seperti pengenalan objek pada citra visual. Tanaman berbunga, dengan sekitar 369.000 spesies yang diketahui, merupakan objek studi yang menarik. Dalam upaya mengklasifikasikan berbagai jenis bunga dengan cepat dan efisien, pendekatan digital menjadi suatu keharusan. Penelitian ini bertujuan mengimplementasikan teknologi deep learning, terutama metode CNN, dalam pengklasifikasian bunga. Salah satu metode yang dapat digunakan adalah Convolutional Neural Network (CNN), sebuah algoritma deep learning yang mampu mengolah informasi citra dengan baik. Pada pengklasifikasian jenis bunga, teknik supervised learning menjadi esensial. Dengan memberikan label (jenis bunga) kepada algoritma sebagai dasar kebenaran, penggunaan CNN dalam skala besar dapat menghasilkan prediksi dan klasifikasi dengan tingkat akurasi yang tinggi. Penelitian ini menghasilkan model klasifikasi yang lebih presisi dan mampu mengatasi variasi morfologi bunga dengan 2 dataset yang berbeda yaitu Oxford17 menghasilkan akurasi 84% dan oxford102 menghasilkan nilai akurasi 64%. Kata kunci: CNN, Deep Learning, Pengklasifikasian Bunga ----- Technological developments in the field of artificial intelligence, particularly deep learning, have made significant contributions to various applications, including pattern recognition and object classification in visual images. One of the interesting applications of deep learning is image classification, where these techniques have proven effective in tackling complex problems, such as object recognition in visual images. Flowering plants, with approximately 369,000 known species, are an interesting object of study. In an effort to classify different types of flowers quickly and efficiently, a digital approach is a must. This research aims to implement deep learning technology, especially CNN method, in flower classification. One method that can be used is Convolutional Neural Network (CNN), a deep learning algorithm that is able to process image information well. In flower type classification, supervised learning techniques are essential. By giving the label (flower type) to the algorithm as the basis of truth, the use of CNN on a large scale can produce predictions and classifications with a high level of accuracy. This research produces a classification model that is more precise and able to overcome variations in flower morphology with 2 different datasets namely Oxford17 resulting in 84% accuracy and oxford102 resulting in an accuracy value of 64%. Keywords: CNN, Deep Learning, Pengklasifikasian Bunga

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?view_op=new_articles&hl=id&imq=Anggun+Pratiwi# id Sinta Dosen Pembimbing: Nama : Ahmad Fauzi : 6122861
Uncontrolled Keywords:	Keywords: CNN, Deep Learning, Pengklasifikasian Bunga
Subjects:	T Technology > T Technology (General)
Divisions:	UPI Kampus Purwakarta > S1 Pendidikan Sistem Teknologi dan Informasi
Depositing User:	ANGGUN PRATIWI
Date Deposited:	30 Apr 2024 06:01
Last Modified:	30 Apr 2024 06:42
URI:	http://repository.upi.edu/id/eprint/117085

Actions (login required)

View Item