Mendeteksi Salak BerLarva dan Salak Tidak Berlarva Menggunakan Convolutional Neural Network (CNN)

Nugroho, Jati (2021) Mendeteksi Salak BerLarva dan Salak Tidak Berlarva Menggunakan Convolutional Neural Network (CNN). Mendeteksi Salak BerLarva dan Salak Tidak Berlarva Menggunakan Convolutional Neural Network (CNN). pp. 1-5. (Unpublished)

[thumbnail of NASKAH PUBLIKASI] Text (NASKAH PUBLIKASI)
JISAI_Jati Nugroho-Rev2.docx

Download (89kB)

Abstract

Salak adalah salah satu kuLtivar salak pondoh (rasa manis walau masih muda) yang telah menjadi komoditas unggulan di Daerah Sleman, Provinsi Daerah lstimewa Yogyakarta. Salak Madu mulai dikenal pada saat diidentifikasi untuk pertama kalinya di Dusun Sempu (Baterante), desa Wonokerto, Kecamatan Turi, Kabupaten Sleman. Ciri yang paling menonjol dari salak madu ini adalah daun lebih pendek jika dibandingkan dengan jenis salak pondoh lainnya. Warna kulit buah saat muda coklat kehitaman setelah tua berangsur coklat mengkilat. Susunan sisik membentuk pola garis.Penelitian ini berawal dari beberapa masyarakat yang terkadang tertipu oleh penampilan buah salak madu yang terlihat bagus padahal sudah berlarva oleh karena itu Saya ingin membuat sistem Mendeteksi Salak Berlarva dan Tidak Menggunakan Metode Convolutional Neural Network(CNN).Untuk membuat Sistem Mendeteksi Salak BerLarva dan Salak Tidak BerLarva membutuhkan citra dari Salak BerLarva dan Salak Tidak BerLarva,setelah itu citra yang telah didapat akan melalui proses Training untuk Mendeteksi Salak tersebut masuk kedalam Salak BerLarva atau Salak Tidak BerLarva,dan Setelah itu citra akan di testing untuk diuji keakuratannya.Hasil Pengetesan yang didapatkan oleh Sistem ini adalah 80%.

Item Type: Article
Additional Information/Lokasi Hardcopy: Perpustakaan Kampus 3 UMBY
Uncontrolled Keywords: Salak,Berlarva,Tidak Berlarva,CNN.
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Fakultas Teknologi Informasi > Program Studi Teknik Informatika
Depositing User: Teknik Informatika UMBY
Date Deposited: 21 Jan 2022 05:15
Last Modified: 21 Jan 2022 05:15
URI: http://eprints.mercubuana-yogya.ac.id/id/eprint/13119

Actions (login required)

View Item
View Item