dc.contributor.advisor | Tuti Purwaningsih, S.Stat., M.Si. | |
dc.contributor.author | Nadia Ihya Muthi | |
dc.date.accessioned | 2021-08-18T06:12:02Z | |
dc.date.available | 2021-08-18T06:12:02Z | |
dc.date.issued | 2021-01-08 | |
dc.identifier.uri | https://dspace.uii.ac.id/handle/123456789/31757 | |
dc.description.abstract | Indonesia merupakan salah satu negara yang memiliki potensi besar dalam bidang
pertanian. Iklimnya yang tropis dengan curah hujan yang tinggi sepanjang tahun
serta tanah yang subur memungkinkan tumbuhnya berbagai jenis tanaman. Salah
satu dari sekian banyak jenis buah potensial yang tumbuh di Indonesia ialah buah
apel dan buah pir. Klasifikasi citra digital sangat dibutuhkan diberbagai macam
bidang. Proses pemilihan buah pada saat ini masih sangat bergantung dengan
presepsi manusia. Cara manual yang dilakukan berdasarkan pengamatan visual
pada objek yang akan diklasifikasi. Identifikasi dengan cara ini memiliki beberapa
kelemahan, yaitu keterbatasan visual manusia, dan sangat dipengaruhi oleh
kondisi psikis pengamatan. Cara manual yang dilakukan sangat membutuhkan
waktu yang sangat lama terutama bagi perkebunan besar. Perkembangan
teknologi memungkinkan untuk dapat melakukan klasifikasi atau dalam hal
pemilihan objek menggunakan teknologi berdasarkan karakteristik yang
dilakukan berbasis citra digital. Convolutional Neural Network (CNN) adalah
salah satu metode Machine Learning dari pengembangan Multi Layer Perceptron
(MLP) yang di desain untuk mengolah data dua dimensi. Tujuan dari penelitian
ini adalah peneliti ingin membuat sistem menggunakan penerapan Convolutional
Neural Network dalam mendeteksi objek yang bisa membedakan warna dalam
permasalahan penyortiran. Pada penelitian ini jenis buah yang digunakan adalah
buah apel hijau dan buah pir hijau, agar didapatkan arsitektur CNN yang terbaik
maka diperlukan perbandingan parameter yaitu perbandingan nilai epoch dan
perbandingan skenario dataset training dan dataset testing. Berdasarkan hasil
klasifikasi yang diperoleh dari nilai akurasi training sebesar 1oo% dan nilai
akurasi testing sebesar 9o%. Dapat disimpullkan bahwa metode CNN dapat
mengklasifikasikan dengan baik. | en_US |
dc.publisher | Universitas Islam Indonesia | en_US |
dc.subject | Pertanian | en_US |
dc.subject | Citra buah apel hijau dan buah pir hijau | en_US |
dc.subject | CNN | en_US |
dc.subject | Machine Learning | en_US |
dc.subject | Akurasi | en_US |
dc.title | Implementasi Convolutional Neural Network Dalam Mendeteksi Objek Dua Benda Dengan Warna Yang Sama (Studi Kasus : Buah Apel Hijau dan Pir Hijau) | en_US |
dc.Identifier.NIM | 16611014 | |