KLASIFIKASI SPESIES NGENGAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR VGG-16

Ricky, Ricky (2023) KLASIFIKASI SPESIES NGENGAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK DENGAN ARSITEKTUR VGG-16. Diploma thesis, Universitas Multi Data Palembang.

Text Ricky 1822250041.pdf Download (1MB)

Abstract

Ngengat merupakan salah satu jenis serangga dari Ordo Lepidoptera yang aktivitasnya sebagian besar dilakukan pada malam hari, di antara anggota Ordo Lepidoptera di dunia, ngengat merupakan anggota yang paling besar yaitu sekitar 90% selebihnya kupu-kupu yang hanya terdapat 10%. Penelitian ini bertujuan untuk mengklasifikasi spesies ngengat menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur VGG-16 dan optimizer Adam. Pada dataset yang digunakan terdapat 7683 foto citra dan terbagi atas 7183 data train, 250 data test, dan 250 data valid. Kemudian dilakukan augmentasi pada objek dataset dengan total data 572.000 yang dibagi menjadi 400.400 data train, 85.800 data test, dan 85.800 data valid. Pada penelitian ini pengujian terhadap model yang dilatih menggunakan arsitektur VGG-16 dengan Optimizer Adam dan dataset yang tidak diaugmentasi menghasilkan tingkat akurasi sebesar 71% dan pengujian terhadap model yang telah dilatih menggunakan arsitektur VGG-16 dengan Optimizer Adam dan dataset yang telah diaugmentasi menghasilkan tingkat akurasi sebesar 95%.

Actions (login required)

View Item