Furqon, Ahmad Nurul (2024) CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI JENIS ANGGREK. S1 thesis, Universitas Muhammadiyah Magelang.

[thumbnail of SKRIPSI] PDF (SKRIPSI)
19.0504.0009_COVER_BAB I_BAB II_BAB III_BAB V_DAFTAR PUSTAKA - Ahmad Nurul Furqon.pdf

Download (999kB)
[thumbnail of SKRIPSI] PDF (SKRIPSI)
19.0504.0009_COVER_BAB IV - Ahmad Nurul Furqon.pdf
Restricted to Repository staff only

Download (577kB) | Request a copy
[thumbnail of SKRIPSI] PDF (SKRIPSI)
19.0504.0009_COVER_LAMPIRAN - Ahmad Nurul Furqon.pdf
Restricted to Repository staff only

Download (183kB) | Request a copy
[thumbnail of SKRIPSI] PDF (SKRIPSI)
19.0504.0009_FULLTEXT.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy
[thumbnail of SKRIPSI] PDF (SKRIPSI)
19.0504.0009_COVER_UNGGAH REPOSITORY - Ahmad Nurul Furqon.pdf
Restricted to Registered users only

Download (341kB) | Request a copy

Abstract

Pada tahap awal budidaya anggrek, banyak pembudidaya pemula dalam budidaya anggrek yang menghadapi kendala dalam mengoptimalkan proses budidaya, sehingga anggrek yang mereka tanam mengalami kesulitan untuk tumbuh dan berbunga dengan baik. Permasalahan ini sering kali disebabkan oleh kurangnya pengetahuan memadai dalam mengenali dan mengidentifikasi Jenis anggrek serta kebutuhan perawatan yang spesifik untuk setiap jenis anggrek. Teknologi yang semakin berkembang dapat mengatasi permasalahan tersebut dalam mengenali Jenis Anggrek dengan menggunakan proses klasifikasi. Proses klasifikasi adalah proses pengelompokan objek berdasarkan ciri atau karakteristik tertentu. Proses klasifikasi dapat dilakukan dengan menggunakan metode CNN model arsitektur VGG-16. Data yang digunakan data citra berjumlah 450 data citra yang terdiri dari 3 daun jenis anggrek diantaranya Cattleya, Dendrobium, Vanda. Dari hasil penelitian metode CNN model arsitektur VGG-16 menghasilkan performa klasifikasi yang baik dengan akurasi 97,33%, presisi 97,42%, recall 97,33% dan F1-Score 97,33%.

Item Type: Karya Ilmiah (S1)
Pembimbing: Dr. Uky yudatama, S.Si., M.Kom dan Emilya Ully Artha M. Kom
Uncontrolled Keywords: Klasifikasi, Tanaman Anggrek, CNN
Subjects: T Technology > T2 Information Technology
Divisions: Fakultas Teknik > Teknik Informatika (S-1)
Depositing User: Sulistya Nur Ginanjar, SIP.
Date Deposited: 08 Jul 2025 03:28
Last Modified: 08 Jul 2025 03:28
URI: http://repositori.unimma.ac.id/id/eprint/4542

Actions (login required)

View Item View Item