Klasifikasi Varietas Tanaman Alpukat Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network (CNN)
Tahun 2026 · Penulis: Balqis Pras Fatira Hesti
Faculty of Mathematics and Natural Sciences, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/11251
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Klasifikasi Varietas Tanaman Alpukat Berdasarkan Citra Daun Menggunakan Metode Convolutional Neural Network (CNN)
Identifikasi varietas tanaman alpukat biasanya dilakukan melalui pengamatan manual tentang morfologi daun, yang membutuhkan keahlian spektofoc dan waktu yang relatif lama. Proses ini juga dapat menyebabkan salah identifikasi karena beberapa varietas alpukat memiliki bentuk daun yang sangat mirip dan tekstur. Oleh karena itu, metode otomatis perlu mengidentifikasi varietas alpukat dengan cepat dan akurat. Penelitian ini berfokus pada mengevaluasi kinerja Jaringan Neural Convolutional (CNN) dalam mengklasifikasikan sepuluh varietas tanaman alpukat dengan gambar daun. Pendekatan yang diterapkan dalam penelitian ini memanfaatkan arsitektur MobiletV2 dikombinasikan dengan strategi pembelajaran transfer untuk meningkatkan efisiensi pelatihan dan kinerja keseluruhan model. Data yang ada dalam penelitian ini terdiri dari gambar daun alpukat dengan variasi kematangan daun, termasuk muda, menengah, dan tahap dewasa. Sebelum pelatihan dilakukan, dataset dibagi menjadi pelatihan, validasi, dan subset pengujian. Beberapa metrik evaluasi digunakan untuk mengukur kinerja model, termasuk akurasi, presisi, ingat, f1-score, dan analisis matriks kebingungan. Hasil percobaan menunjukkan bahwa CNN berbasis MobileNetV2 mencapai 93% pada data pengujian. Selain itu, kurva pelatihan menunjukkan konvergensi yang stabil antara pelatihan akurasi dan akurasi validasi, yang menunjukkan bahwa model ini mampu mengkomerasikan dengan baik data yang tidak terlihat. Akan tetapi, beberapa kesalahan klasifikasi masih diamati, khususnya di antara varietas yang sangat mirip dengan fitur lear morfologis. Secara keseluruhan, temuan tersebut menunjukkan bahwa pendekatan CNN menggunakan arsitektur MobiletNetV2 efektif berdasarkan gambar daun.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,833
Tahun 2026 · Penulis: Rico Satria Ananda Putra
Analisis Variasi Arsitektur Convolutional Neural Network Model Xception untuk Klasifikasi Penyakit Daun Padi (Oryza sativa L)
Jaringan Kovolutional Neural (CNN) telah menjadi salah satu metode pembelajaran mendalam yang paling dapat diandalkan untuk pengolahan gambar karena kemampuannya yang kuat untuk menangkap pola visual. Dalam klasifikasi penyakit daun beras, CNN memainkan perana
- Cosine 0,820
Tahun 2026 · Penulis: Ayuni Selvia Imroatul Hasanah
Pengembangan Sistem Monitoring Berbasis Ground untuk Tanaman Kubis (Brassica Oleracea L) Menggunakan Basis Data dalam Optimalisasi Penyemprotan Pestisida Otomatis
Kubis (Brasisica oleracea L) adalah komoditas sayur di Argosari, Lumajang, yang sering kali terancam oleh ulat kepala kubis (Crocidolomia pavonana). Infestasi ini sering kali mengakibatkan gagal panen dan limbah pestisida yang berlebihan akibat metode penyempr
- Cosine 0,817
Tahun 2024 · Penulis: Hasif Izzul Faiz
Klasifikasi Penyakit Daun Padi menggunakan Metode CNN Dengan Augmentasi Data Berbasis Deep Convolutional GAN (DCGAN)
Pertanian padi sangat vital bagi ekonomi Indonesia dan menjadi makanan pokok bagi banyak negara, termasuk Indonesia. Negara ini adalah salah satu penghasil dan konsumen beras terbesar di dunia. Produktivitas padi di Indonesia cukup tinggi, terutama di Pulau Ja