IMPLEMENTASI DEEP LEARNING UNTUK KLASIFIKASI RIMPANG DENGAN METODE CONVOLUTIONAL NEURAL NETWORK

Alfarez, Muhammad Rizaldy; Sriyani Violina (Pembimbing)

IMPLEMENTASI DEEP LEARNING UNTUK KLASIFIKASI RIMPANG DENGAN METODE CONVOLUTIONAL NEURAL NETWORK

dc.contributor.author	Alfarez, Muhammad Rizaldy
dc.contributor.author	Sriyani Violina (Pembimbing)
dc.date.accessioned	2026-09-09T08:47:16Z
dc.date.available	2026-09-09T08:47:16Z
dc.date.issued	2024
dc.description.abstract	Kemiripan visual berbagai jenis rempah seperti jahe, kencur, kunyit, lengkuas, dan temulawak sering kali menyebabkan kesulitan dan keraguan dalam membedakan mereka secara tepat. Untuk mengatasi permasalahan ini, metode Convolutional Neural Network (CNN) dengan arsitektur VGG19 dipilih karena kemampuannya dalam mengidentifikasi dan mengklasifikasikan objek yang memiliki kemiripan visual. Penelitian ini mengimplementasikan arsitektur VGG19, yang terdiri dari 19 lapisan termasuk lapisan konvolusi untuk ekstraksi fitur, lapisan pooling untuk mereduksi dimensi fitur, dan lapisan fully connected untuk klasifikasi. Implementasi VGG19 dalam penelitian ini juga melibatkan augmentasi data yang bertujuan untuk memperluas variasi dataset serta uji coba konfigurasi hyperparameter yang mempengaruhi performa model. Hasil penelitian menunjukkan bahwa dengan penerapan augmentasi data dan optimasi hyperparameter model CNN VGG19 yang dibangun mampu mencapai akurasi klasifikasi sebesar 96.40% yang mana akurasi menunjukkan efektivitas metode ini dalam membedakan jenis-jenis rempah yang memiliki kemiripan visual.
dc.identifier.uri	https://repository.widyatama.ac.id/handle/123456789/110967
dc.language.iso	other
dc.publisher	Program Studi S1 Informatika
dc.relation.ispartofseries	0620101035
dc.title	IMPLEMENTASI DEEP LEARNING UNTUK KLASIFIKASI RIMPANG DENGAN METODE CONVOLUTIONAL NEURAL NETWORK
dc.type	Thesis