Pendeteksian Edibilitas Jamur Konsumsi Berdasarkan Citra Digital dengan Convolutional Neural Network

⭐ Beniah Nugroho, Aaron (2022) Pendeteksian Edibilitas Jamur Konsumsi Berdasarkan Citra Digital dengan Convolutional Neural Network. Bachelor Thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (1MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (204kB) | Preview
Preview	PDF BAB_I.pdf Download (208kB) | Preview
Preview	PDF BAB_II.pdf Download (649kB) | Preview
Preview	PDF BAB_III.pdf Download (265kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (8MB)
Preview	PDF BAB_V.pdf Download (200kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (732kB)

Abstract

Latar Belakang penelitian pendeteksian edibilitas jamur dengan menggunakan metode Convoutional Neural Network(CNN) disebabkan karena terdapat jenis-jenis jamur yang sangat banyak dan bervariasi. Sangatlah sulit untuk mengenali dan mengingat setiap jenis jamur yang ditemui di alam liar, dan penting bagi seseorang untuk mengetahui edibilitas dari suatu jamur yang ditemukan karena terdapat jamur beracun yang dapat membahayakan kesehatan manusia jika dikonsumsi. Metode yang digunakan pada penelitian ini adalah pembuatan model Deep Learning menggunakan Convolutional Neural Network untuk mendeteksi edibilitas citra jamur yang diaplikasikan ke sebuah aplikasi mobile. Hasil dari penelitian ini adalah aplikasi mobile berbasis Android untuk medeteksi edibilitas citra jamur dan evaluasi dari penelitian ini menunjukkan accuracy 84%, precision edible 78%, precision poisonous 93%, recall edible 93%, recall poisonous 76%, F1 Score edible 85%, dan F1 Score poisonous 84%. Pada aplikasi, akurasi keseluruhan fitur untuk kamera dan gallery adalah 85%, akurasi dengan kamera adalah 90%, dan akurasi gallery adalah 80%. Kesimpulan dari penelitian adalah implementasi model CNN ke aplikasi mobile berbasis Android berhasil dilakukan dengan akurasi yang cukup tinggi.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Beniah Nugroho, Aaron (00000032941)
Contributors:	Vasty Overbeek, Marlinda
Keywords:	accuracy, Android, aplikasi mobile, Convolutional Neural Network, Deep Learning, edibilitas jamur, F1 Score, precision, recall
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.2 Programming for Specific Computers, Algorithm, HTML, PHP, java, C++ 000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 005 Computer Programming > 005.3 Programs
Sustainable Development Goals:	Goal 17. Strengthen the means of implementation and revitalize the Global Partnership for Sustainable Development Goal 03. Ensure healthy lives and promote well-being Goal 09. Build resilient infrastructure, promote inclusive and sustainable industrialization and foster innovation
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	20 Jul 2022 07:05
URI:	https://kc.umn.ac.id/id/eprint/22499

Actions (login required)

View Item