VASIGUHAMIAZ, AZVADENNYS and Arie, Vatresia and Atra, Romeida (2024) IMPLEMENTASI METODE TRANSFER LEARNING DENSENET201 DALAM MENGIDENTIFIKASI GENUS ANGGREK. Other thesis, Universitas Bengkulu.
![Thesis [thumbnail of Thesis]](https://repository.unib.ac.id/style/images/fileicons/archive.png)
Naskah Skripsi G1A020032 - Azvadennys Vasiguhamiaz.pdf - Bibliography
Restricted to Repository staff only
Available under License Creative Commons GNU GPL (Software).
Download (4MB)
Abstract
Identifikasi anggrek menjadi salah satu hal yang penting agar dapat mengetahui
jenis tanaman tersebut. Dalam penelitian ini, dilakukan identifikasi anggrek
sampai ke tahap genus sebagai bentuk pengembangan teknologi dalam membantu
identifikasi tanaman ini serta sebagai bahan pembelajaran dan media informasi.
Penggunaan teknologi deep learning menggunakan algoritma DenseNet201 yang
akan di-deployment sampai ke tahap website menjadi salah satu solusi yang tepat
untuk permasalahan ini. Pengumpulan data dilakukan dengan menggunakan data
penelitian sebelumnya ditambah dengan data dari internet yang menghasilkan
lima genus anggrek yaitu Coelogyne, Dendrobium, Oncidium, Phalenopsis dan
Vanda dengan jumlah sebanyak 2.250 data citra latih dan 100 data citra uji.
Terdapat enam percobaan yang difokuskan pada variasi learning rate, jumlah
lapisan dense, dan dropout rate. Penulis melakukan evaluasi pada model tersebut
menggunakan Classification Report dan Confusion Matrix yang menghasilkan
akurasi sebesar 75% pada data uji yang menghasilkan kesimpulan bahwa model
tersebut baik terhadap klasifikasi tanaman anggrek. Pengujian aplikasi berbasis
website menggunakan metode black-box testing menghasilkan nilai 100% tanpa
error.
Kata Kunci: Anggrek, Klasifikasi, DenseNet201, Deep Learning, Website.
Item Type: | Thesis (Other) |
---|---|
Subjects: | T Technology > T Technology (General) |
Divisions: | Faculty of Engineering > Department of Informatics Engineering |
Depositing User: | 58 lili haryanti |
Date Deposited: | 26 Sep 2025 04:44 |
Last Modified: | 26 Sep 2025 06:59 |
URI: | https://repository.unib.ac.id/id/eprint/26397 |