Claim Missing Document
Check
Articles

Found 1 Documents
Search

IMPLEMENTASI DEEP LEARNING UNTUK KLASIFIKASI TANAMAN TOGA BERDASARKAN CIRI DAUN BERBASIS ANDROID Slamet Fifin Alamsyah
Ubiquitous: Computers and its Applications Journal Vol 2, No 2 (2019): Desember 2019
Publisher : LPPM

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.51804/ucaiaj.v2i2.113-122

Abstract

Masih sedikit yang mampu mengenali tumbuhan obat, seperti anak SD, SMP dan SMA, masih banyak yang tidak mengetahui nama dari tumbuhan obat, oleh karena itu penulis melakukan penelitian untuk membuat aplikasi klasifikasi tanaman toga yang mampu mengenali jenis tanaman toga berdasarkan daun hanya dengan menggunakan perangkat mobile yang mana bisa digunakan dengan mudah untuk mengetahui jenis tanaman toga, hanya dengan mengambil foto daun dari tanaman toga dapat diketahui jenis tanaman toga, sehingga dibutuhkan pendekatan untuk menyelesaian masalah ini. Pendekatan dalam penyelesain masalah ini menggunakan machine learning (ML), salah satu cabang artificial intelligence (AI) yang popular, dimana mesin mampu belajar seperti layaknya pikiran manusia. ML sendiri mempunyai bidang keilmuan baru yaitu deep learning, dimana mesin mampu melakukan pembelajaran lebih dalam, pada metode deep learning ada metode yang cocok digunakan untuk mengklasifikasikan sebuah citra yaitu metode Convolutional Neural Network (CNN), kelebihan dari CNN adalah mampu melakukan proses pembelajaran fitur-fitur dari citra secara mandiri yang disebut dengan feature learning, berbeda dengan feature extraction yang harus mendapatkan fitur-fitur dari citra terlebih dahulu sebelum melakukan klasifikasi. CNN digunakan untuk membedakan jenis tanaman dengan memberikan label dari daun tanaman toga. Pada penelitian ini menggunakan 10 kelas jenis tanaman toga yaitu teh hijau, tapak dewa, sirsak, semanggi, mengkudu, mahoni, kumis kucing, jambu biji, blimbing wuluh, bayam merah, Pengujian terhadap data pelatihan menghasilkan akurasi 75% dan data pengujian menghasilkan akurasi 80%.