Putri Ulfayani Primary Author mixed material bibliography Banda Aceh Fakultas MIPA - Informatika 2025 id Indonesia

Skripsi

Penelitian ini bertujuan untuk mengklasifikasikan gambar tanaman herbal di Aceh dengan menggunakan metode deep learning berbasis arsitektur ResNet50V2. Dataset yang digunakan terdiri dari 32 kelas tanaman herbal dengan total 1.044 gambar yang diperoleh melalui pengambilan gambar langsung dan sumber online. Data dibagi menjadi dataset train dan dataset test dengan rasio 80:20, kemudian dilakukan 7 jenis augmentasi secara offline untuk meningkatkan variasi data, diantaranya rotasi, flipping, translasi, dan scaling. Proses pelatihan dilakukan tanpa augmentasi real- time, diawali dengan baseline model (tanpa augmentasi) untuk mendapatkan performa awal. Selanjutnya, dilakukan sepuluh percobaan dengan strategi fine-tuning berbeda, mulai dari freeze seluruh layer hingga membuka 70 layer terakhir. Tahap pelatihan menggunakan callback seperti EarlyStopping, ModelCheckpoint, dan ReduceLROnPlateau untuk menghindari overfitting dan mengoptimalkan performa. Hasil pengujian menunjukkan bahwa baseline model tanpa augmentasi menghasilkan akurasi 73,89%, sedangkan model terbaik diperoleh pada percobaan kesepuluh dengan strategi fine-tuning 70 layer terakhir, penambahan dense layer (256 dan 128 neuron) serta dua dropout (masing-masing 0,5). Model ini mencapai akurasi tertinggi sebesar 84,07% pada data uji. Temuan ini membuktikan bahwa augmentasi data dan fine- tuning terstruktur mampu meningkatkan performa klasifikasi citra tanaman herbal di Aceh secara signifikan. Kata kunci: ResNet50V2, fine-tuning, augmentasi data, tanaman herbal aceh, klasifikasi gambar IMAGE PROCESSING - COMPUTER SCIENCE 006.42 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 168843 2025-08-02 14:29:07 2025-08-04 09:47:50 machine generated