Hilal, Muhammad Ardan (2023) Object Detection dengan Algoritma Faster RCNN pada daun tanaman obat herbal. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (243kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (327kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (443kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (458kB) | Preview |
|
![[img]](https://etheses.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
|
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (921kB) | Request a copy |
|
|
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (751kB) | Request a copy |
|
|
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (191kB) | Request a copy |
|
|
Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf Restricted to Registered users only Download (358kB) | Request a copy |
Abstract
Lebih dari 9.609 spesies tanaman Indonesia yang memiliki khasiat sebagai obat. Banyaknya spesies tumbuhan yang berkhasiat sebagai obat perlu dilakukan identifikasi untuk mengenali setiap spesies yang ada, terdapat beberapa teknik dalam melakukan identifikasi pada tumbuhan diantaranya yaitu kunci taksonomi, membandingkan spesimen, menulis deskripsi tumbuhan, membandingkan gambar dan meminta pendapat para ahli. Namun metode tersebut memiliki kelemahan salah satunya sangat bergantung pada pengetahuan para ahli, hal ini berakibat pada lamanya waktu dan membutuhkan biaya yang tinggi, terutama jika idetifikasi dilakukan dalam skala besar. Dengan memanfaatkan teknologi deep learning identifikasi tumbuhan dapat menjadi lebih cepat dengan biaya rendah. Metode yang digunakan yaitu CRISP-DM untuk pengembangan model nya dan algoritma Faster R-CNN Inception Resnet v2 untuk mendeteksi daun tanaman obat. Data yang digunakan didapat dari situs Mendeley Data dengan jumlah 1500 gambar yang berisi 30 jenis daun tanaman obat, Algoritma Faster R-CNN mendapat kinerja terbaik nya memiliki average precision 86.3% dan average recall 88.6%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Object Detection; Faster R-CNN; Tanaman Obat; CRISP-DM; |
| Subjects: | Data Processing, Computer Science Numerical Analysis > Algorithms |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Muhammad Ardan Hilal |
| Date Deposited: | 30 May 2023 02:24 |
| Last Modified: | 30 May 2023 02:24 |
| URI: | https://etheses.uinsgd.ac.id/id/eprint/68721 |
Actions (login required)
 |
View Item |
