KLASIFIKASI JENIS GULMA INVASIF DI GUNUNG MERBABU JAWA TENGAH MENGGUNAKAN METODE CNN

PUTRI MARHAMAH YUNITA

Informasi Umum

Kode

23.04.2332

Klasifikasi

531 - Classical Mechanics, Solid Mechanics

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Classification

Dilihat

172 kali

Informasi Lainnya

Abstraksi

<div> <h1>ABSTRAK</h1>

Dari waktu ke waktu, manusia berpacu dalam mengembangkan teknologi terbaru. Salah satu teknologi yang berkembangan secara intensif di masyarakat adalah artificial intelligence (AI). Deep learning merupakan teknologi mesin dengan fitur yang baik untuk klasifikasi citra. Bagian deep learning yang umum dalam pengklasifikasian citra ialah convolutional neural network (CNN). Taman Nasional Gunung Merbabu ialah taman nasional yang mancakup kawasan hutan, ada banyak sekali tumbuhan pengganggu ataupun gulma dimana tumbuhan ini ialah salah satu tumbuhan yang ada dikawasan tersebut. Gulma ialah tumbuhan yang keberadaannya tidak diharapkan manusia, karena dapat mengganggu keseimbangan alami dan berkompetisi dengan tanaman yang lain, untuk itu perlu ditanggulangi. Terlebih dahulu kita harus mengatahui jenis dan kebutuhan biologisnya agar gulma dapat di eradikasikan.

Berdasarkan penelitian ini, dilakukan pengklasifikasian citra daun gulma. Penulis menggunakan 2 kelas jenis tumbuhan gulma, yaitu Ageratina riparia sebanyak 1200 citra dan Austroeupatorium inulifolium sebanyak 1000 citra. CNN memiliki langkah-langkah dalam pengklasifikasikan citra, seperti langkah akuisisi data, langkah pre-processing, langkah pembelajaran arsitektur mobile net, dan langkah klasifikasi CNN.

Ada beberapa parameter dalam pengklasifikasian, yaitu: optimizer, batch size, dan learning rate untuk mendapatkan model terbaik. Kemudian hasil pengujian tersebut, accuracy dan loss nya dilakukan penganalisaan. Penelitian ini, menghasilkan model terbaik dalam pengklasifikasian gulma yaitu dengan arsitektur mobile net, ukuran batch size 16, optimizer RMSprop, dan learning rate sebesar 0.00001 memiliki accuracy 100% dan loss 9.9%. Selain parameter diatas terdapat juga parameter lain untuk mengetahui performa model yaitu: Precision, recall, dan F1-score.

Kata Kunci :Convolutional Neural Network, klasifikasi tumbuhan invasif, gulma. </div>