Record Details

IMPLEMENTASI DEEP LEARNING UNTUK KLASIFIKASI TANAMAN TOGA BERDASARKAN CIRI DAUN BERBASIS ANDROID

Ubiquitous: Computers and its Applications Journal

View Archive Info
 
 
Field Value
 
Title IMPLEMENTASI DEEP LEARNING UNTUK KLASIFIKASI TANAMAN TOGA BERDASARKAN CIRI DAUN BERBASIS ANDROID
 
Creator Alamsyah, Slamet Fifin
 
Subject deep learning; convolution neural network; tanaman obat; android
 
Description Masih sedikit yang mampu mengenali tumbuhan obat, seperti anak SD, SMP dan SMA, masih banyak yang tidak mengetahui nama dari tumbuhan obat, oleh karena itu penulis melakukan penelitian untuk membuat aplikasi klasifikasi tanaman toga yang mampu mengenali jenis tanaman toga berdasarkan daun hanya dengan menggunakan perangkat mobile yang mana bisa digunakan dengan mudah untuk mengetahui jenis tanaman toga, hanya dengan mengambil foto daun dari tanaman toga dapat diketahui jenis tanaman toga, sehingga dibutuhkan pendekatan untuk menyelesaian masalah ini. Pendekatan dalam penyelesain masalah ini menggunakan machine learning (ML), salah satu cabang artificial intelligence (AI) yang popular, dimana mesin mampu belajar seperti layaknya pikiran manusia. ML sendiri mempunyai bidang keilmuan baru yaitu deep learning, dimana mesin mampu melakukan pembelajaran lebih dalam, pada metode deep learning ada metode yang cocok digunakan untuk mengklasifikasikan sebuah citra yaitu metode Convolutional Neural Network (CNN), kelebihan dari CNN adalah mampu melakukan proses pembelajaran fitur-fitur dari citra secara mandiri yang disebut dengan feature learning, berbeda dengan feature extraction yang harus mendapatkan fitur-fitur dari citra terlebih dahulu sebelum melakukan klasifikasi. CNN digunakan untuk membedakan jenis tanaman dengan memberikan label dari daun tanaman toga. Pada penelitian ini menggunakan 10 kelas jenis tanaman toga yaitu teh hijau, tapak dewa, sirsak, semanggi, mengkudu, mahoni, kumis kucing, jambu biji, blimbing wuluh, bayam merah, Pengujian terhadap data pelatihan menghasilkan akurasi 75% dan data pengujian menghasilkan akurasi 80%.
 
Publisher LPPM
 
Contributor —
 
Date 2019-12-30
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Peer-reviewed Article
 
Format application/pdf
 
Identifier https://e-journal.umaha.ac.id/index.php/ubiquitous/article/view/579
10.51804/ucaiaj.v2i2.113-122
 
Source Ubiquitous: Computers and its Applications Journal; Vol 2, No 2 (2019): Desember 2019; 113-122
2622-7983
2622-7746
 
Language eng
 
Relation https://e-journal.umaha.ac.id/index.php/ubiquitous/article/view/579/499
 
Rights Copyright (c) 2019 Ubiquitous: Computers and its Applications Journal