Layanan penulisan ilmiah yang disediakan oleh Perpustakaan Universitas Gunadarma
APLIKASI KLASIFIKASI TANAMAN BERBASIS WEBSITE MENGGUNAKAN METODE CNN & YOLOv5
ABSTRAKSI :
Dalam kehidupan sehari-hari, manusia sering melihat tanaman dengan ciri-ciri yang beraneka ragam disekitarnya. Namun saat ini masih banyak orang yang belum dapat membedakan jenis tanamannya hal ini dikarenakan terdapat beberapa tanaman yang memiliki ciri yang sama dan terbatasnya kemampuan manusia dalam membedakan jenis dari tanaman. Cara manusia menentukan jenis tanaman masih banyak menggunakan cara manual. Kemampuan visual manusia untuk pendeteksian suatu objek membuat manusia memiliki kemampuan untuk mengenali objek berdasarkan ciri-cirinya. Sementara kemampuan mesin untuk pendeteksian suatu objek memiliki proses dan kinerja yang berbeda dengan manusia saat mesin mengenali suatu objek. Berdasarkan hal tersebut maka diperlukan suatu metode yang dapat menjamin keseragaman dalam pendeteksian jenis tanaman. Tujuan dari Penelitian ini adalah pendeteksian tanaman mengunakan metode pengenalan objek You Only Look Once (YOLO). pengklasifikasian tanaman menggunakan pendekatan metode Convolutional Neural Networks (CNN) & implementasi website klasifikasi tanaman menggunakan Python dan Framework Bootstrap. Aplikasi ini sudah berhasil diujicobakan menggnakan metode Black Box, dengan metode testing Requeirement Testing. Proses pelatihan data dilakukan menggunakan metode YOLOv5 dengan epochs sebanyak 300 menghasilkan current average loss sebesar 0.0008253. Hasil dari keseluruhan dataset yang sudah ditraining memiliki precision sebesar 0.829, recall sebesar 0.673 dengan mean Avergae Precision dengan JoU threshold 0.5 sebesar 0.739 dan mean Average Precision dengan JoU threshold bertahap dari 0.5 sampai dengan 0.95 memiliki rata-rata sebesar 0.475.