KLASIFIKASI JENIS MIKROORGANISME MENGGUNAKAN ARSITEKTUR ALEXNET

Hermawan, Muhammad Refa (2024) KLASIFIKASI JENIS MIKROORGANISME MENGGUNAKAN ARSITEKTUR ALEXNET. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

[img] Text
Teknik Informatika_32602000092_pernyataan_publikasi.pdf
Restricted to Registered users only
Download (142kB)
[img] Text
Teknik Informatika_32602000092_fullpdf.pdf
Download (4MB)

Abstract

Mikroorganisme memiliki ukuran yang sangat kecil. Mikroorganisme hanya dapat diamati dengan menggunakan mikroskop, tetapi dalam mengenali jenis mikroorganisme masih sulit. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi mikroorganisme berbasis mobile menggunakan arsitektur AlexNet, yang difokuskan pada empat jenis mikroorganisme yaitu Amoeba, Euglena, Spiral Bacteria, dan Yeast. Dataset yang digunakan dalam penelitian ini terdiri dari gambar-gambar mikroorganisme yang dibagi ke dalam set training, validation, dan test. Arsitektur AlexNet diimplementasikan dengan menggunakan optimizer RMSprop dengan learning rate 0.0001, dengan epochs 15, serta diterapkan teknik augmentasi data seperti zoom, flip, dan rotasi untuk mengurangi overfitting. Sistem ini diintegrasikan dalam aplikasi mobile berbasis Flutter untuk pengguna Android. Hasil penelitian menunjukkan bahwa model yang dilatih menghasilkan akurasi training sebesar 95.10% dan akurasi validasi sebesar 95.83%, dengan nilai loss masing-masing 0.1447% dan 0.1807%. Pada tahap pengujian, sistem ini berhasil mencapai akurasi tertinggi sebesar 100%. Penggunaan arsitektur AlexNet pada algoritma Convolutional Neural Network terbukti efektif dalam klasifikasi mikroorganisme dengan akurasi yang tinggi, serta sistem yang dikembangkan mampu beroperasi dengan baik dalam platform mobile. Kata Kunci : Klasifikasi, Mikroorganisme, Amoeba, Euglena, Spiral Bacteria, Yeast, AlexNet, Mobile

Item Type: Thesis (Undergraduate)
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Industri
Fakultas Teknologi Industri > Teknik Informatika
Depositing User: Pustakawan 4 UNISSULA
Date Deposited: 11 Feb 2025 03:43
URI: http://repository.unissula.ac.id/id/eprint/37547

Actions (login required)

View Item View Item
Unissula Repository is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.