Logo UNTAN Universitas
Tanjungpura
Pontianak

Klasifikasi Tanaman Obat dan Beracun Berdasarkan Citra Daun Menggunakan Convolutional Neural Network (CNN)

Aseftia, Alhani (2025) Klasifikasi Tanaman Obat dan Beracun Berdasarkan Citra Daun Menggunakan Convolutional Neural Network (CNN). Skripsi thesis, Universitas Tanjungpura.

[img] PDF (Cover-Bab1)
Cover-Bab1_H1051211015.pdf - Published Version

Download (408kB)
[img] PDF (H1051211015_ASEFTIA_ALHANI)
H1051211015_ASEFTIA_ALHANI.pdf - Accepted Version
Restricted to Repository staff only

Download (3MB)

Abstract

Tanaman obat dan tanaman beracun merupakan jenis tanaman yang memiliki ciri morfologi daun yang mirip sehingga memerlukan metode klasifikasi yang akurat untuk membedakannya. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi citra daun berbasis CNN menggunakan perangkat Raspberry Pi. Sistem ini dirancang agar mampu mengklasifikasi jenis tanaman secara otomatis, baik melalui citra daun hasil unggah gambar maupun citra daun hasil tangkapan kamera Raspberry Pi. Perangkat keras yang digunakan terdiri dari Raspberry Pi 5 dan modul kamera RaspiCam OV5647, sedangkan perangkat lunak yang digunakan terdiri dari Framework Flask untuk pengembangan antarmuka website, MySQL untuk pengelolaan basis data, dan TensorFlow untuk pemrosesan model CNN. Dataset yang digunakan dalam penelitian ini terdiri dari 3.200 sampel citra daun tanaman obat dan beracun. Pengujian sistem dilakukan melalui dua metode, yaitu metode unggah gambar dan metode pengambilan gambar secara langsung menggunakan kamera Raspberry Pi, masing-masing menggunakan 135 data citra daun yang terdiri dari 2 kelas tanaman obat dan beracun serta 1 kelas tambahan berupa gambar bukan daun sebagai pembanding. Berdasarkan hasil pengujian, metode unggah gambar menghasilkan tingkat akurasi sebesar 96%, sedangkan metode pengambilan gambar secara langsung memperoleh akurasi sebesar 90%. Hasil klasifikasi ditampilkan secara real-time melalui antarmuka website dan disimpan ke dalam database. Implementasi sistem ini menunjukkan bahwa klasifikasi citra daun dapat dilakukan secara otomatis dan akurat, sehingga mendukung proses klasifikasi tanaman obat dan beracun secara lebih efisien.

Item Type: Thesis (Skripsi)
Creators:
CreatorsNomor Induk Mahasiswa (NIM)Email
Aseftia, AlhaniNIMH1051211015UNSPECIFIED
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data
Divisions: Fakultas Matematika dan Ilmu Pengetahuan Alam > Sistem Komputer S1
SWORD Depositor: Sri Yulihartini
Depositing User: Sri Yulihartini
Date Deposited: 30 Jul 2026 02:08
Last Modified: 30 Jul 2026 02:08
URI: https://repository.untan.ac.id/id/eprint/6877

Actions (login required)

View Item View Item