##plugins.themes.academic_pro.article.sidebar##

Published Jul 31, 2023
https://doi.org/10.51717/simkom.v8i2.191
Author
Umi Kulsum
Universitas Mercu Buana
Anis Cherid
Universitas Mercu Buana
Download
Statistic

Downloads

Download data is not yet available.
Vol 8 No 2 (2023): Vol 8 No 2 - 2023

##plugins.themes.academic_pro.article.main##

Penerapan Convolutional Neural Network Pada Klasifikasi Tanaman Menggunakan ResNet50

Abstract

Penelitian ini bertujuan untuk mengklasifikasikan tanaman apel menjadi dua kategori, yaitu sehat dan busuk, serta menciptakan perangkat lunak berbasis Desktop yang dapat mengklasifikasikan jenis tanaman berdasarkan citra digital menggunakan Convolutional Neural Network (CNN) dengan model ResNet50. Data yang digunakan untuk melatih model terdiri dari 1545 gambar, sedangkan data uji yang digunakan berjumlah 661 gambar. Proses klasifikasi dilakukan untuk dua kelas, yaitu citra daun apel sehat dan citra daun apel busuk. Hasil evaluasi model menggunakan Confusion Matrix menunjukkan akurasi sebesar 91% setelah proses pelatihan dilakukan selama 50 epoch pada data latih. Selanjutnya, aplikasi perangkat lunak berbasis Desktop dibuat untuk menampilkan hasil jenis daun apel yang dipilih, dengan menampilkan informasi apakah daun tersebut termasuk dalam kategori sehat atau busuk.

##plugins.themes.academic_pro.article.details##

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

How to Cite
[1]
U. Kulsum and A. Cherid, “Penerapan Convolutional Neural Network Pada Klasifikasi Tanaman Menggunakan ResNet50”, simkom, vol. 8, no. 2, pp. 221-228, Jul. 2023.

References

C. Nisa’, E. Y. Puspaningrum, and H. Maulana, “Penerapan Metode Convolutional Neural Network untuk Klasifikasi Penyakit Daun Apel pada Imbalanced Data,” Pros. Semin. Nas. Inform. Bela Negara, vol. 1, pp. 169–175, 2020, doi: 10.33005/santika.v1i0.46.

R. Yohannes and M. E. Al Rivan, “Klasifikasi Jenis Kanker Kulit Menggunakan CNN-SVM,” J. Algoritm., vol. 2, no. 2, pp. 133–144, 2022, doi: 10.35957/algoritme.v2i2.2363.

H. Fonda, “Klasifikasi Batik Riau Dengan Menggunakan Convolutional Neural Networks (Cnn),” J. Ilmu Komput., vol. 9, no. 1, pp. 7–10, 2020, doi: 10.33060/jik/2020/vol9.iss1.144.

Wahyutama Fitri Hidayat and Taufik Asra, “Klasifikasi Penyakit Daun Kentang Menggunakan Model Logistic Regression,” Indones. J. Softw. Eng., vol. 8, no. 2, pp. 173–179, 2022.

V. Ayumi, “Pengenalan Objek Bunga Berbasis Deep Learning Menggunakan Model ResNet50 dan MobileNet-v2,” JSAI (Journal Sci. Appl. Informatics), vol. 5, no. 3, pp. 188–193, 2022, doi: 10.36085/jsai.v5i3.3613.

M. Fikry, “Pengembangan Aplikasi Klasifikasi Alat Transportasi Berdasarkan Citra Digital untuk Pencatatan Aset Studi Kasus : PT . Pulo Mas Jaya,” vol. 9, no. 1, pp. 184–197, 2023.

N. D. Miranda, L. Novamizanti, and S. Rizal, “Convolutional Neural Network Pada Klasifikasi Sidik Jari Menggunakan Resnet-50,” J. Tek. Inform., vol. 1, no. 2, pp. 61–68, 2020, doi: 10.20884/1.jutif.2020.1.2.18.

F. H. Hawari, F. Fadillah, M. R. Alviandi, and T. Arifin, “Klasifikasi Penyakit Tanaman Padi Menggunakan Algoritma Cnn (Convolutional Neural Network),” J. Responsif Ris. Sains dan Inform., vol. 4, no. 2, pp. 184–189, 2022, doi: 10.51977/jti.v4i2.856.

E. Oktafanda, “Klasifikasi Citra Kualitas Bibit dalam Meningkatkan Produksi Kelapa Sawit Menggunakan Metode Convolutional Neural Network (CNN),” J. Inform. Ekon. Bisnis, vol. 4, no. 3, pp. 72–77, 2022, doi: 10.37034/infeb.v4i3.143.

M. Khoiruddin, A. Junaidi, and W. A. Saputra, “Klasifikasi Penyakit Daun Padi Menggunakan Convolutional Neural Network,” J. Dinda Data Sci. Inf. Technol. Data Anal., vol. 2, no. 1, pp. 37–45, 2022, doi: 10.20895/dinda.v2i1.341.

E. Yuliani, A. N. Aini, and C. U. Khasanah, “Perbandingan Jumlah Epoch Dan Steps Per Epoch Pada Convolutional Neural Network Untuk Meningkatkan Akurasi Dalam Klasifikasi Gambar,” J. Inf. J. Penelit. dan Pengabdi. Masy., vol. 5, no. 3, pp. 23–27, 2020, doi: 10.46808/informa.v5i3.140.