Repositori Institusi · Akses Terbuka

Temukan karya ilmiah Universitas Kuningan dalam hitungan detik.

4.870 skripsi, tesis, dan publikasi terarsip rapi — cari berdasarkan judul, penulis, subjek, atau fakultas.

4.870item terarsip
6 fakultaspenyumbang koleksi
24 jamakses publik, gratis

Tentang Repositori

Repositori Universitas Kuningan merupakan layanan arsip online yang dikelola oleh perpustakaan Universitas Kuningan. Dengan menggunakan EPrints sebagai repositori, website ini didirikan untuk mengumpulkan, mengelola, menyimpan, melestarikan dan menyebarluaskan salinan digital hasil intelektual Universitas Kuningan. Tujuan utama dari repositori ini adalah untuk menyediakan dokumen jangka panjang, akses terbuka dan dengan mudah mengambil koleksi digital untuk mendukung proses belajar-mengajar. Dengan adanya repositori ini, diharapkan hasil karya warga kampus UNIKU dapat diakses secara luas.

Panduan Penggunaan

Baru pertama kali memakai RAMA? Unduh petunjuk unggah mandiri, atau baca panduan penggunaan lengkap di bawah ini.

Petunjuk Unggah Mandiri →

Bantuan EPrints →

Fatsya, Zafira (2025) RANCANG BANGUN APLIKASI DETEKSI JENIS TANAMAN KAKTUS MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN) (studi kasus : Rumah Bunga Adenium Landscape). S1 / D3 thesis, Universitas Kuningan.

[thumbnail of ABSTRAK] Text (ABSTRAK)
ABSTRAK.pdf

Download (942kB)
[thumbnail of BAB I] Text (BAB I)
BAB I.pdf

Download (578kB)
[thumbnail of BAB II] Text (BAB II)
BAB II.pdf
Restricted to Repository staff only

Download (907kB) | Request a copy
[thumbnail of BAB III] Text (BAB III)
BAB III.pdf
Restricted to Repository staff only

Download (992kB) | Request a copy
[thumbnail of BAB IV] Text (BAB IV)
BAB IV.pdf
Restricted to Repository staff only

Download (721kB) | Request a copy
[thumbnail of BAB V] Text (BAB V)
BAB V.pdf

Download (189kB)
[thumbnail of DAFTAR PUSTAKA] Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf

Download (435kB)
[thumbnail of LAMPIRAN] Text (LAMPIRAN)
LAMPIRAN.pdf
Restricted to Repository staff only

Download (1MB) | Request a copy
Official URL: https://rama.uniku.ac.id

Abstract

Tanaman kaktus merupakan salah satu tanaman hias yang memiliki keunikan dan nilai estetika tinggi, namun keragamannya seringkali menyulitkan dalam proses identifikasi manual, terutama oleh pelanggan di Rumah Bunga Adenium Landscape. Penelitian ini bertujuan untuk merancang dan membangun aplikasi deteksi jenis tanaman kaktus menggunakan algoritma Convolutional Neural Network (CNN) berbasis Android. Aplikasi ini dikembangkan untuk mengenali tiga jenis kaktus, yaitu Mammillaria hahniana werderm, Copiapoa cinerea, dan Sulcorebutia rauschii. Dataset yang digunakan berjumlah 1.680 gambar, dibagi menjadi 70% data pelatihan, 20% validasi, dan 10% pengujian. Metode pengembangan yang digunakan adalah prototype, dengan pendekatan CNN yang melibatkan tahapan feature extraction, pooling, flattening, fully connected layer, dan klasifikasi menggunakan Softmax. Hasil pengujian menunjukkan bahwa aplikasi mampu mengidentifikasi jenis kaktus secara akurat dengan hasil akurasi mencapai 84%. Aplikasi ini juga memberikan informasi ciri dan perawatan tanaman, sehingga meningkatkan kemudahan dan kualitas layanan penjualan tanaman hias. Penelitian ini membuktikan bahwa teknologi CNN pada aplikasi mobile dapat menjadi solusi praktis dalam klasifikasi tanaman hias berbasis citra digital.

Cactus plants are one of the ornamental plants that have uniqueness and high aesthetic value, but their diversity often makes it difficult to identify manually, especially by customers at Rumah Bunga Adenium Landscape. This study aims to design and build a cactus plant type through application using the Android-based Convolutional Neural Network (CNN) algorithm. This application was developed to recognize three types of cacti, namely Mammillaria hahniana werderm, Copiapoa cinerea, and Sulcorebutia rauschii. The dataset used is 1680 images, divided into 70% training data, 20% validation, and 10% testing. The development method used is a prototype, with a CNN approach involving the stages of feature extraction, pooling, flattening, fully connected layer, and classification using Softmax. test results show that the application is able to identify cactus tTypes accurately with an accuracy of 84%. This application also provides information on plant characteristics and care, thereby increasing the ease and quality of ornamental plant sales services. This study proves that CNN technology in mobile applications can be a practical solution in digital image-based ornamental plant classification.

Item Type: Thesis (S1 / D3)
Uncontrolled Keywords: Kata Kunci: Tanaman Kaktus, Deteksi Objek, CNN, Android, Prototype. Keyword : Cactus Plant, Object Detection, CNN, Android, Prototype.
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Ilmu Komputer > S1 Teknik Informatika
Depositing User: S.Kom Zafira Fatsya
Date Deposited: 17 Jul 2025 07:02
Last Modified: 17 Jul 2025 07:02
URI: https://rama.uniku.ac.id/id/eprint/2936

Actions (login required)

View Item
View Item