MENGIDENTIFIKASI JENIS TANAMAN BERDASARKAN CITRA DAUN MENGGUNAKAN AlGORITMA CONVOLUTIONAL NEURAL NETWORK

Authors

  • Ikbal Suhardin STMIK CATUR SAKTI KENDARI
  • Andi Patombongi
  • Andi Muhammad Islah STMIK CATUR SAKTI KENDARI

DOI:

https://doi.org/10.51876/simtek.v6i2.101

Keywords:

Identifikasi Jenis Daun, Supervised Classification, Deep Learning, CNN

Abstract

Setiap tanaman memiliki daun dengan bentuk dan ukuran yang berbeda. Meskipun demikian, banyak manusia belum mengetahui jenis-jenis tanaman seperti daun herbal yang dimana memiliki manfaat bagi manusia dalam kesehatan. Pada penelitian ini digunakan "Supervised Learning” untuk membantu mengenali jenis tanaman berdasarkan daunnya. Pertama-tama sejumlah daun akan difoto, lalu foto tersebut akan diresize menjadi citra baru dengan ukuran tertentu, kemudian dimasukkan ke dalam dataset. Lalu citra akan dikonversi menjadi matriks dimana matriks ini akan dimasukkan ke dalam algoritma CNN (Convolutional Neural Network). Pada algoritma CNN, matriks tersebut akan digunakan untuk mengekstraksi fitur yang ada pada citra menggunakan beberapa filter yang sebelumnya telah ditentukan menggunakan metode konvolusi. Lalu hasil konvolusi tersebut akan digunakan untuk pelatihan menggunakan algoritma feedforward dan backpropagation untuk mendapatkan data weight dan bias yang optimal. Setelah itu dilakukan proses test dimana citra uji akan melalui proses konvolusi. Hasil konvolusi akan diklasifikasi menggunakan algoritma feedforward berdasarkan data weight dan bias yang sudah didapatkan dari proses training sebelumnya. Pengujian dilakukan dengan 5 gambar daun: 200 citra sebagai data training (latih), dan 25 citra sebagai data test (uji).

Additional Files

Published

19-10-2021

How to Cite

Suhardin, I., Patombongi, A., & Islah, A. M. (2021). MENGIDENTIFIKASI JENIS TANAMAN BERDASARKAN CITRA DAUN MENGGUNAKAN AlGORITMA CONVOLUTIONAL NEURAL NETWORK. Simtek : Jurnal Sistem Informasi Dan Teknik Komputer, 6(2), 100–108. https://doi.org/10.51876/simtek.v6i2.101
Abstract View: 608

Most read articles by the same author(s)