IDENTIFIKASI JENIS JAMUR BERDASARKAN CITRA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN RANDOM FOREST

Farhan, Aditama Muhammad Al (2024) IDENTIFIKASI JENIS JAMUR BERDASARKAN CITRA MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK DAN RANDOM FOREST. S1 thesis, Universitas PGRI Madiun.

	Text hal depan.pdf Download (592kB)
	Text abstrak.pdf Download (229kB)
	Text bab 1.pdf Download (83kB)
	Text bab 2.pdf Download (567kB)
	Text bab 3.pdf Restricted to Repository staff only Download (200kB)
	Text bab 4.pdf Restricted to Repository staff only Download (1MB)
	Text bab 5.pdf Download (71kB)
	Text daftar putsaka.pdf Download (147kB)
	Text lampiran.pdf Download (203kB)
	Text riwayat hidup.pdf Download (83kB)

Abstract

Jamur memiliki karakteristik yang beragam, akan tetapi banyak kesamaan dari segi bentuk, warna, dan ukuran. Maka dari itu untuk membedakan jenis jamur yang beracun dan tidak beracun akan menjadi sulit karena tampilannya yang hampir sama. Kesalahan dalam mengidentifikasi jamur menimbulkan dampak yang berbahaya dalam kesehatan manusia yang mengkonsumsi jamur untuk dimakan. Oleh sebab itu penelitian tentang jamur penting untuk mengelompokkan mana jenis jamur yang berbahaya dan beracun sehingga masyarakat tahu jamur yang layak konsumsi. Dilihat dari rumusan masalah di atas, tujuan penelitian dari klasifikasi jenis jamur berdasarkan citra menggunakan metode Convolutional Neural Network (CNN) dan Random Forest (RF). Pada penelitian ini metode pengembangan sistem yang digunakan menggunakan Extreme Programming (XP). Extreme Programing merupakan metodologi pengembangan perangkat lunak yang berfokus pada kemampuan dalam beradaptasi terhadap perubahan kebutuhan melalui siklus pengembangan berulang yang singkat dan tindakan teknis yang paling ketat. Hasil penelitian menunjukkan bahwa metode CNN dan RF mampu mencapai tingkat akurasi sebesar 100%. Hal ini menunjukkan bahwa efektivitas metode tersebut dalam mengidentifikasi jenis jamur berdasarkan dari citra penelitian ini menunjukkan bahwa metode CNN dan RF dapat digunakan secara efektif untuk mengidentifikasi jenis jamur dari gambar dan memberikan tingkat akurasi yang memadai. Namun dalam penelitian ini diperlukan pembangunan aplikasi menggunakan metode CNN dikarenakan metode tersebut termasuk dalam bagian deep learning.

Item Type:	Thesis/Skripsi/Tugas Akhir (S1)
Kata Kunci:	Identifikasi, Jamur Convolutional Neural Network, Random Forest.
Subjects:	Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4050 Electronic information resources Z Bibliography. Library Science. Information Resources > ZA Information resources > ZA4450 Databases
Depositing User:	AL MUHAMMAD ADITAMA
Date Deposited:	26 Aug 2024 06:54
Last Modified:	26 Aug 2024 06:54
URI:	http://eprint.unipma.ac.id/id/eprint/1832

Actions (login required)

View Item