Penggunaan Metode CNN (Convolutional Neural Network) untuk Klasifikasi Jenis Tanaman Alpukat Berdasarkan Pola Daun
DOI:
https://doi.org/10.29407/inotek.v7i3.3568Abstract
Tumbuhan alpukat merupakan salah satu tanaman yang sering ditemui di indonesia, tak jarang berbagai daerah diindonesia menanam tanaman ini. Hasil dari buah alpukat banyak dijadikan makanan dan minuman yang beraneka macam. Dilihat dari banyak keuntungan yang didapat banyak masyarakat indonesia yang menanam pohon tersebut. Akan tetapi mereka banyak membeli jenis bibit yang salah jenis yang tidak sesuai dengan apa yang mereka harapkan dikarenakan banyak penjual bibit alpukat keliling yang memberi mereka jenis bibit yang salah. Meski hanya beberapa oknum yang curang dalam berdagang bibit alpukat penjual bibit alpukat grosir juga mendapatkan dampak dari perilaku curang oknum sehingga merugikan penjual bibit yang jujur. Maka dari itu perlu adanya sistem untuk mengklasifikan jenis tanaman alpukat agar dapat membantu penjual grosir bibit alpukat. Pada sistem nantinya akan menggunakan metode CNN(Convolutional Neural Network). Yang diharapkan dari penelitian ini adalah sistem dapat berjalan dengan baik dan dapat mengasilkan suatu akurasi yang tinggi.
Keywords:
alpukat, CNN, Web##plugins.themes.default.displayStats.downloads##
References
A. A. Triono, “Sistem Pengenalan Jenis Mangga Berdasarkan Daun dengan Metode K-Nearest Naighbor,” vol. 01, no. 08, pp. 1–11, 2017.
M. Hamid, S. Sudin, and W. R. Rumbia, “MENGGUNAKAN METODE TRESHOLDING DAN SUPPORT VECTOR MACHINE ( SVM ) Abstraksi,” vol. 6, no. 2, pp. 549–555, 2022.
A. Noercholis, M. A. Muslim, and M. Maftuch, “Ekstraksi Fitur Roundness untuk Menghitung Jumlah Leukosit dalam Citra Sel Darah Ikan,” J. EECCIS, vol. 7, no. 1, pp. 35–40, 2013, [Online]. Available: https://www.jurnaleeccis.ub.ac.id/index.php/eeccis/article/view/199
Ronaldus Morgan James, “Deteksi Covid 19 Pada Citra X-Ray menggunakan Algorithma Convolutional Neural Network dan Median Filter.” p. 101, 2021.
A. Peryanto, A. Yudhana, and R. Umar, “Rancang Bangun Klasifikasi Citra Dengan Teknologi Deep Learning Berbasis Metode Convolutional Neural Network,” Format J. Ilm. Tek. Inform., vol. 8, no. 2, p. 138, 2020, doi: 10.22441/format.2019.v8.i2.007.
A. Kholik, “Klasifikasi Menggunakan Convolutional Neural Network (Cnn) Pada Tangkapan Layar Halaman Instagram,” J. Data Min. dan Sist. Inf., vol. 2, no. 2, p. 10, 2021, doi: 10.33365/jdmsi.v2i2.1345.
Syarifah, “Deep Learning Object Detection Pada Video,” Deep Learn. Object Detect. Pada Video Menggunakan Tensorflow Dan Convolutional Neural Netw., 2018.
M. A. Hanin, R. Patmasari, and R. Y. Nur, “SISTEM KLASIFIKASI PENYAKIT KULIT MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK ( CNN ) SKIN DISEASE CLASSIFICATION SYSTEM USING CONVOLUTIONAL NEURAL NETWORK ( CNN ),” vol. 8, no. 1, pp. 273–281, 2021.
M. Zufar and B. Setiyono, “Convolutional Neural Networks Untuk Pengenalan Wajah Secara Real-Time,” J. Sains dan Seni ITS, vol. 5, no. 2, p. 128862, 2016.
R. Herwanto, K. Gunadi, and E. Setyati, “Pengenalan Golongan Jenis Kendaraan Bermotor pada Ruas Jalan Tol Menggunakan CNN,” J. Infra Petra, vol. 8, no. 1, pp. 196–202, 2020.
A. N. Sugandi, B. Hartono, and K. Kunci, “Implementasi Pengolahan Citra pada Quadcopter untuk Deteksi Manusia Menggunakan Algoritma YOLO,” Pros. 13th Ind. Res. Work. Natl. Semin., pp. 13–14, 2022.
J. Vicky, F. Ayu, and B. Julianto, “Implementasi Pendeteksi Penyakit pada Daun Alpukat Menggunakan Metode CNN,” Pros. Semin. Nas. Teknol. dan Sains, vol. 2, pp. 155–162, 2023.
F. F. Maulana and N. Rochmawati, “Klasifikasi Citra Buah Menggunakan Convolutional Neural Network,” J. Informatics Comput. Sci., vol. 1, no. 02, pp. 104–108, 2020, doi: 10.26740/jinacs.v1n02.p104-108.
Z. F. Abror, “Klasifikasi Citra Kebakaran Dan Non Kebakaran,” J. Ilm. Teknol. dan Rekayasa, vol. 24, no. 100, pp. 102–113, 2019.
Y. B. E. Purba, N. F. Saragih, A. P. Silalahi, and ..., “Perancangan Alat Pendeteksi Kematangan Buah Nanas Dengan Menggunakan Mikrokontroler Dengan Metode Convolutional Neural Network (CNN),” J. Ilm. Tek. …, vol. 2, no. 1, pp. 13–21, 2022, [Online]. Available: https://ojs.fikom-methodist.net/index.php/methotika/article/view/43%0Ahttps://ojs.fikom-methodist.net/index.php/methotika/article/download/43/39
Downloads
Published
Issue
Section
License
Copyright (c) 2023 Frisca Ayu Fatika Sari, Resty Wulanningrum, Lilia Sinta Wahyuniar
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
