KLASIFIKASI DAUN PEPAYA, DAUN CHAYA, DAN DAUN JARAK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Wayeni, Vivin Melanesya (2021) KLASIFIKASI DAUN PEPAYA, DAUN CHAYA, DAN DAUN JARAK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN). Diploma thesis, Institut Teknologi PLN.

[thumbnail of Cover_202131047.pdf] Text
Cover_202131047.pdf

Download (149kB)
[thumbnail of LEMBAR PENGESAHAN_202131047.pdf] Text
LEMBAR PENGESAHAN_202131047.pdf

Download (49kB)
[thumbnail of ABSTRAK_202131047.pdf] Text
ABSTRAK_202131047.pdf

Download (100kB)
[thumbnail of BAB I PENDAHULUAN_202131047.pdf] Text
BAB I PENDAHULUAN_202131047.pdf

Download (137kB)
[thumbnail of BAB II TINJAUAN PUSTAKA_202131047.pdf] Text
BAB II TINJAUAN PUSTAKA_202131047.pdf

Download (456kB)
[thumbnail of BAB III  METODE PENELITIAN_202131047.pdf] Text
BAB III METODE PENELITIAN_202131047.pdf
Restricted to Registered users only

Download (916kB)
[thumbnail of BAB IV HASIL PEMBAHASAN_202131047.pdf] Text
BAB IV HASIL PEMBAHASAN_202131047.pdf
Restricted to Registered users only

Download (879kB)
[thumbnail of BAB V PENUTUP_202131047.pdf] Text
BAB V PENUTUP_202131047.pdf
Restricted to Registered users only

Download (123kB)
[thumbnail of DAFTAR PUSTAKA_202131047.pdf] Text
DAFTAR PUSTAKA_202131047.pdf

Download (141kB)
[thumbnail of Skripsi_Vivin Melanesya Wayeni.pdf] Text
Skripsi_Vivin Melanesya Wayeni.pdf
Restricted to Registered users only

Download (2MB)

Abstract

ABSTRAK

Penelitian ini berada pada tahap dasar dalam pemrosesan citra digital yang bertujuan mengenali tiga jenis daun pepaya, chaya, dan jarak yang memiliki bentuk mirip serta berkaitan erat dengan pemanfaatannya sebagai bahan pangan alternatif dan sumber energi terbarukan. Sebelum digunakan lebih jauh, ketiga daun tersebut perlu diidentifikasi dengan tepat agar analisis biologis dan pengembangan teknologi dapat dilakukan secara benar. Karena itu, penelitian ini memanfaatkan metode Convolutional Neural Network (CNN) sebagai model awal untuk mengklasifikasikan ketiga daun berdasarkan gambar digital.
Hasil pengujian menunjukkan bahwa model CNN mampu mencapai akurasi sebesar 94%, dengan nilai rata-rata precision, recall, dan F1-score sebesar 0.94. Pencapaian ini membuktikan bahwa CNN bekerja stabil dalam membedakan setiap jenis daun. Selain mengonfirmasi kemampuan CNN dalam mengenali objek biologis secara visual, penelitian ini juga mendukung pencapaian SDGs 9 terkait inovasi dan penerapan teknologi berbasis kecerdasan buatan dalam penelitian. Lebih jauh, penelitian ini selaras dengan SDGs 7 karena ketiga jenis daun tersebut berpotensi dimanfaatkan sebagai sumber energi terbarukan pada penelitian selanjutnya.
Kata kunci: CNN, klasifikasi citra daun, pepaya, chaya, jarak, citra digital.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Kata kunci: CNN, klasifikasi citra daun, pepaya, chaya, jarak, citra digital.
Subjects: Bidang Keilmuan > Classification
Skripsi
Divisions: Fakultas Telematika Energi > S1 Teknik Informatika
Depositing User: Mrs Wayeni Vivin Melanesya
Date Deposited: 06 Mar 2026 01:52
Last Modified: 06 Mar 2026 01:52
URI: https://repository.itpln.ac.id/id/eprint/5732

Actions (login required)

View Item
View Item