UPT Perpustakaan Universitas Handayani

Jl. Adhyaksa Baru No. 1 Lantai 5

  • Beranda
  • Informasi
  • Berita
  • Statistik Koleksi
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Klasifikasi Jenis Kayu Melalui Pengolahan Citra Digital Menggunakan Algoritma Convolutional Neural Network (CNN)

Text

Klasifikasi Jenis Kayu Melalui Pengolahan Citra Digital Menggunakan Algoritma Convolutional Neural Network (CNN)

Muh Saleh Ashari - Nama Orang;

Penelitian ini bertujuan untuk merancang sistem klasifikasi kayu berbasis pengolahan citra digital dengan algoritma Convolutional Neural Network (CNN) dan menerapkannya dalam aplikasi Android. Dengan metode deep learning yang bersifat supervised learning, sistem menganalisis citra serat kayu dengan fokus pada jenis kayu jati, bitti, dan mahoni. Aplikasi ini memungkinkan pengguna mengunggah atau memotret kayu, lalu sistem akan mengidentifikasi jenisnya. Penelitian ini menggunakan Unified Modeling Language (UML), yang mencakup Use Case Diagram, Activity Diagram, dan Sequence Diagram. Aplikasi dikembangkan menggunakan algoritma CNN dengan arsitektur MobileNetV2. Dataset yang digunakan terdiri dari 300 citra yang terbagi dalam tiga kelas. Dataset dibagi menjadi 70% data latih, 20% data validasi dan 10% data uji. Pelatihan model CNN dengan arsitektur MobileNetV2 menunjukkan performa optimal pada epoch ke-15 dari 20 epoch, dengan akurasi pelatihan 99,31% dan akurasi validasi 98,44%. Pengujian dilakukan menggunakan 10 sampel dari masing-masing kelas kayu, dengan hasil evaluasi confusion matrix kayu Bitti
memiliki performa seimbang precision, recall, f1-score: 90%, kayu Jati dengan precision 100%, recall: 77.8%, f1-score: 87.5%, dan kayu Mahoni mampu
mengenali seluruh sampel dengan recall 100%, precision: 76.9%, f1-score: 87%. Total akurasi pengujian mencapai 86,7%. Arsitektur MobileNetV2 terbukti efektif dalam memproses citra kayu, menjadikannya model yang dapat diandalkan untuk klasifikasi jenis kayu melalui citra digital.


Ketersediaan
S250244SKR-2024 SAL kPerpustakaan Universitas Handayani MakassarTersedia
Informasi Detail
Judul Seri
-
No. Panggil
SKR-2024 SAL k
Penerbit
Universitas Handayani Makassar : Universitas Handayani Makassar., 2024
Deskripsi Fisik
v + 111 hlm; 29 x 21 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
SKR-2024 SAL k
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
Ed. 1, Cet. 1
Subjek
CNN
Klasifikasi kayu
MobileNetV2
Info Detail Spesifik
Skripsi Teknik Informatika
Pernyataan Tanggungjawab
Muh Saleh Ashari
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Komentar

Anda harus login sebelum memberikan komentar

UPT Perpustakaan Universitas Handayani
  • Informasi
  • Perpanjang Mandiri
  • Pustakawan
  • Area Anggota

Tentang Kami

Perpustakaan STMIK HANDAYANI terbentuk bersamaan dengan berdirinya STMIK HANDAYANI pada tahun 1996 sebagai sarana pen-dukung utama dalam penyelenggaraan pen-didikan dan pengajaran. Read more...

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Customized by Vinesia

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik