KLASIFIKASI BUNGA HERBAL MENGGUNAKAN MODEL TRANSFER LEARNING DAN VISION TRANSFORMER

DHARMAWAN, DIAZ PRISHEILA (2025) KLASIFIKASI BUNGA HERBAL MENGGUNAKAN MODEL TRANSFER LEARNING DAN VISION TRANSFORMER. Undergraduate thesis, UNIVERSITAS PEMBANGUNAN NASIONAL "VETERAN" JAWA TIMUR.

	Text (COVER) COVER.pdf Download (1MB)
	Text (BAB 1) BAB 1.pdf Download (22kB)
	Text (BAB 2) BAB 2.pdf Restricted to Repository staff only until 6 June 2027. Download (811kB)
	Text (BAB 3) BAB 3.pdf Restricted to Repository staff only until 6 June 2027. Download (617kB)
	Text (BAB 4) BAB 4.pdf Restricted to Repository staff only until 6 June 2027. Download (1MB)
	Text (BAB 5) BAB 5.pdf Download (9kB)
	Text (DAFTAR PUSTAKA) DAFTAR PUSTAKA.pdf Download (231kB)

Abstract

Bunga merupakan struktur reproduksi pada tumbuhan yang berfungsi dalam proses penyerbukan dan pembuahan. Beberapa jenis bunga memiliki kemiripan dalam bentuk dan warna, meskipun berasal dari spesies yang berbeda. Oleh karena itu, proses klasifikasi secara manual menjadi sulit, sedangkan setiap bunga memiliki manfaat medis yang berbeda-beda. Maka, penelitian ini mengusulkan kombinasi model Transfer Learning dan Vision Transformer (TLMViT) sebagai ekstraksi fitur mendalam, serta Multilayer Perceptron (MLP) untuk klasifikasi bunga herbal. Penelitian ini mencakup enam tahap: (1) akuisisi data, (2) pengubahan ukuran citra, (3) ekstraksi fitur menggunakan Transfer Learning dan Vision Transformer, (4) pembagian data, (5) klasifikasi menggunakan MLP, dan (6) evaluasi model. Dataset ini terdiri dari 4.100 gambar yang mencakup lima jenis bunga herbal, yaitu Black-Eyed Susan, Calendula, Common Daisy, Coreopsis, dan Sunflower. Hasil menunjukkan akurasi tertinggi 78.29% dengan loss 0.6162 didapatkan dari pembagian data 90:10, learning rate 0.0001, batch size 64, dan arsitektur 3-layer MLP. Evaluasi kinerja model menunjukkan bahwa rata-rata metrik precision, recall, dan f1-score yang diperoleh adalah 78%. Prediksi terbaik model terjadi pada kelas Common Daisy sebesar 87% dan Black Eyed Susan 84%. Hasil penelitian ini menunjukkan bahwa model cukup baik dalam mengklasifikasikan bunga herbal, terutama yang memiliki kemiripan visual, dengan memanfaatkan ekstraksi fitur mendalam.

Item Type:

Thesis (Undergraduate)

Contributors:

Contribution	Contributors	NIDN/NIDK	Email
Thesis advisor	PUSPANINGRUM, EVA YULIA	NIDN0005078908	evapuspaningrum.if@upnjatim.ac.id
Thesis advisor	NURLAILI, AFINA LINA	NIDN0013129303	afina.lina.if@upnjatim.ac.id

Subjects:

Q Science > QA Mathematics > QA76.6 Computer Programming
T Technology > T Technology (General)

Divisions:

Faculty of Computer Science > Departemen of Informatics

Depositing User:

Diaz Prisheila Dharmawan

Date Deposited:

17 Jun 2025 04:54

Last Modified:

17 Jun 2025 04:54

URI:

https://repository.upnjatim.ac.id/id/eprint/37172