dc.contributor.advisor | Priandana, Karlisa | |
dc.contributor.advisor | Giri, Endang Purnama | |
dc.contributor.author | Khairurrahman, Muhammad Akmal | |
dc.date.accessioned | 2023-08-11T07:00:10Z | |
dc.date.available | 2023-08-11T07:00:10Z | |
dc.date.issued | 2023 | |
dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/123671 | |
dc.description.abstract | Penelitian ini bertujuan untuk melakukan identifikasi usia tanaman melon berdasarkan citra buah melon menggunakan model convolutional neural network (CNN) dan artificial neural network (ANN) yang ditambahkan principal component analysis (PCA) sebagai feature extraction. Penelitian ini menggunakan dataset berupa 379 citra tanaman melon pada saat proses pertumbuhan dengan usia tanaman 64, 74, dan 84 hari setelah tanam (HST) yang diambil di Agribusiness and Technology Park (ATP) IPB. Hasil penelitian menunjukkan bahwa model CNN mencapai akurasi sebesar 80.2% dengan waktu training dan testing selama 62 menit dan 12 detik dan 0.280 detik, sedangkan model ANN mencapai akurasi sebesar 71.4% dengan waktu training dan testing selama 1 menit 2 detik dan 0.093 detik. Analisis perbandingan kinerja menunjukkan bahwa model CNN lebih akurat dalam mengklasifikasikan usia tanaman melon dibandingkan model ANN. Namun model ANN membutuhkan waktu yang lebih cepat. | id |
dc.language.iso | id | id |
dc.publisher | IPB University | id |
dc.title | Perbandingan Algoritma CNN dan ANN dalam Klasifikasi Usia Tanaman Melon Berdasarkan Citra Buah | id |
dc.title.alternative | Comparison of CNN and ANN Algorithms in Age Classification of Melon Plants Based on Fruit Image | id |
dc.type | Undergraduate Thesis | id |
dc.subject.keyword | Melon, identification of plant age, image classification, convolutional neural network (CNN), artificial neural network (ANN), principal component analysis (PCA). | id |