PERANGKAT LUNAK PENGENALAN JENIS BIBIT ALPUKAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORKS (CNN)

Azzahra, Fathimah (2024) PERANGKAT LUNAK PENGENALAN JENIS BIBIT ALPUKAT MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORKS (CNN). Diploma thesis, Universitas Multi Data Palembang.

Text Fathimah Azzahra 2024250033.pdf Download (1MB)

Abstract

Kondisi iklim tropis Indonesia dengan curah hujan yang melimpah memberikan kondisi yang ideal untuk pertumbuhan tanaman, salah satunya tanaman buah. alpukat merupakan salah satu buah tropis yang sering di ekspor Indonesia. Permintaan pasar terhadap buah alpukat cukup tinggi, produksi alpukat di Indonesia mencapai 865.780 ton pada 2022. Jumlah produksi alpukat di Indonesia meningkat setiap tahunnya. Maka banyak petani cenderung mengalokasikan lahan mereka dalam jumlah yang besar untuk menanam pohon alpukat. Pohon alpukat berbuah di usia 4 tahun, sehingga jika terjadi kesalahan pemilihan bibit jenis alpukat akan menyebabkan kerugian waktu dan biaya. Proses identifikasi bibit alpukat masih dilakukan secara konvensional yaitu dengan menggunakan visual mata manusia yang subjektif. Proses tersebut tentunya memiliki kelemahan salah satunya kelemahan pada tingkat persepsi manusia yang berbeda dan tidak konsisten dalam menentukan keputusan. Penelitian ini dilakukan untuk membantu menyelesaikan permasalahan tersebut yaitu dengan membuat perangkat lunak untuk mengenali bibit jenis alpukat dari daunnya. Dataset yang digunakan berjumlah 2000 citra daun dengan 4 kelas yaitu Aligator, Kelud, Markus, dan Miki. Rasio pembagian data adalah 80% data latih, 10% data validasi, dan 10% data uji. Metode yang digunakan yaitu Convolutional Neural Network menggunakan arsitektur MobileNetV2 dengan transfer learning. Parameter yang diuji adalah nilai drop out, training layer, dan epoch. hasil terbaik didapat dengan parameter training layer 87, tanpa drop out, dan 150 epoch yaitu akurasi sebesar 94%, presisi 94,69%, dan recall 94%.

Actions (login required)

View Item