<![CDATA[Penelitian ini bertujuan untuk membangun sistem klasifikasi bibit kelapa menggunakan CNN, target khususnya yaitu menyusun sistem klasifikasi bibit kelapa menggunakan CNN, melakukan identifikasi bibit kelapa yang berdasarkan warna RGB dan bentuk, membangun sistem klasifikasi bibit kelapa menggunakan CNN, melakukan evaluasi sistem klasifikasi yang dibangun, memberikan gambaran teknik pengolahan citra digital dan CNN untuk klasifikasi bibit kelapa, memberikan informasi klasifikasi bibit kelapa ke dalam bentuk kelas grade A1, A2, B1 dan, B2 sebagai bentuk luaran dari sistem klasifikasi bibit kelapa, mengevaluasi sistem klasifikasi yang dibangun. Hasil penelitian menunjukkan nilai loss = 0.0965, dengan accuracy = 0.973, validation loos = 0.087, dan validation accuracy = 0.965. Karena akurasi mendekati nilai 1, maka proses training, validasi, dan testing dinyatakan berhasil dalam mengklasifikasikan bibit kelapa. Selain itu, pengujian lapangan menunjukkan hasil yang memuaskan dengan tingkat keberhasilan deteksi bibit kelapa 99% akurasi. CNN dengan model Mobile Net versi 2 mampu mengklasifikasikan citra gambar dengan efektif, menunjukkan kemampuan pengolahan informasi yang optimal. Penelitian ini diharapkan dapat membantu petani dalam mengenali klasifikasi bibit kelapa mereka dengan lebih mudah.]]>
Copyrights © 2024
