Identifikasi Jenis Daun untuk Ecoprint Mengunakan Metode Convolutional Neural Network

Hajar, Siti and Murinto, Murinto and Yudhana, Anton (2025) Identifikasi Jenis Daun untuk Ecoprint Mengunakan Metode Convolutional Neural Network. [Artikel Dosen]

Text 7.+1774-Hajar+-+Identifikasi+Jenis+Daun+untuk+Ecoprint.pdf - Published Version Download (622kB)

Abstract

Tumbuhan yang berdaun merupakan salah satu kategori tumbuhan yang memiliki berbagai manfaat. Tumbuhan ini dapat dimanfaatkan sebagai bahan dalam produk kecantikan, makanan, obat- obatan, pewarna alami, dan kain. Makalah ini membahas cara mengidentifikasi jenis daun untuk ecoprint dengan menggunakan metode Deep Learning, khususnya Convolutional Neural Network (CNN). Tujuan dari identifikasi ini adalah untuk mempermudah menentukan jenis daun yang bisa
dan tidak bisa untuk ecoprint teknik steaming. Metode yang digunakan saat ini masih manual, dengan mengambil beberapa jenis daun dan diproses. Dalam pemrosesan manual sangat lama lebih dari satu hari, dan tidak efisien untuk membuktikan bahwa sampel daun yang dicoba tersebut bisa atau tidak
untuk ecoprint. Mengatasi masalah ini, solusi mengunakan Convolutional Neural Network (CNN) algoritma Deep Learning lebih tepat. Penelitian ini menganalisis 400 gambar daun yang diambil dari 10 jenis daun untuk diidentifikasi. Proses pelatihan dilakukan dalam dua tahap: Feature Learning dan
Klasifikasi, dengan jumlah epoch sebanyak 15. Hasil training (0,9850) dan valisasi (0,9796) sedangkan hasil pengujian accuracy rata-rata diperoleh (0,9194). Dapat disimpulkan bahwa algoritma Deep Learning yaitu Convolutional Neural Network (CNN) bisa mengidentifikasi jenis daun untuk
ecoprint.

Item Type:	Artikel Dosen
Subjects:	T Technology > T Technology (General)
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	murinto murinto
Date Deposited:	26 Aug 2025 03:09
Last Modified:	26 Aug 2025 03:09
URI:	http://eprints.uad.ac.id/id/eprint/86459

Actions (login required)

View Item