<> "The repository administrator has not yet configured an RDF license."^^ . <> . . . "Penerapan Convolutional Neural Networks (CNN) \r\ndalam Klasifikasi Tingkat Kematangan Pucuk Daun \r\nTeh"^^ . "Penerapan Convolutional Neural Networks (CNN) \r\ndalam Klasifikasi Tingkat Kematangan Pucuk Daun \r\nTeh\r\nMuhammad Faisal Raafi1*, Hermawan2 , Mulyati3\r\n1,2,3Program Studi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, \r\nUniversitas Pakuan, Bogor, Jawa Barat, 16143, Indonesia;\r\nfaisal065119132@unpak.ac.id1, hemawan@unpak.ac.id2, mulyati@unpak.ac.id3\r\nAbstrak Teh adalah minuman yang terbuat dari pucuk daun teh yang telah melalui \r\nproses tertentu. Indonesia merupakan salah satu negara penghasil teh terbesar di \r\ndunia. Dalam proses pemanenan daun teh, sangat penting untuk menentukan \r\ndaun teh yang berada pada tingkat kematangan optimal guna memastikan kualitas \r\ndan cita rasa teh yang dihasilkan. Tingkat kematangan pucuk daun teh mencakup \r\ndaun belum matang, setengah matang, matang, dan daun tua. Pengamatan visual \r\nyang dilakukan mandor selama proses pemanenan sering kali kurang akurat, \r\nterutama dalam menentukan waktu petik pada musim tertentu. Penelitian ini \r\nbertujuan untuk mengklasifikasikan tingkat kematangan pucuk daun teh dengan \r\nmenerapkan algoritma Convolutional Neural Networks (CNN). Algoritma CNN \r\nmemiliki keunggulan utama dalam mengenali pola dan fitur kompleks melalui \r\nlapisan konvolusi. Arsitektur yang diimplementasikan adalah LeafNet dan \r\nVGGNet11 yang memiliki tingkat kompleksitas lapisan berbeda. Penelitian ini \r\ndidukung oleh metode Knowledge Discovery and Data Mining (KDD) untuk \r\nmemaksimalkan pembangunan model. Distribusi dataset dilakukan pada berbagai \r\nproporsi, yaitu 70:15:15, 80:10:10, dan 90:5:5. LeafNet mencapai akurasi validasi \r\ntertinggi sebesar 98,08% dengan nilai loss rendah sebesar 0,117 pada proporsi \r\n90:5:5. Hasil ini menunjukkan bahwa LeafNet memiliki kinerja yang lebih baik \r\ndalam menggeneralisasi data baru, dan proporsi dataset dapat memengaruhi \r\nperforma model.\r\nKata kunci: Convolutional Neural Networks, Daun Teh, Klasifikasi, LeafNet, \r\nVGGNet11"^^ . "2024-07-17" . . . "Universitas Pakuan"^^ . . . "Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Pakuan"^^ . . . . . . . . . . . . . . . . . . "Mulyati"^^ . "Mulyati"^^ . "Mulyati Mulyati"^^ . . "Muhammad"^^ . "Faisal Raafi"^^ . "Muhammad Faisal Raafi"^^ . . "Hermawan"^^ . "Taher"^^ . "Hermawan Taher"^^ . . "Universitas Pakuan"^^ . . . "Fakultas Matematika dan Ilmu Pengetahuan Alam"^^ . . . "Program Studi Ilmu Komputer"^^ . . . . . . . "Penerapan Convolutional Neural Networks (CNN) \r\ndalam Klasifikasi Tingkat Kematangan Pucuk Daun \r\nTeh (Text)"^^ . . . "skripsi_Muhammad Faisal Raafi.pdf"^^ . . "HTML Summary of #8757 \n\nPenerapan Convolutional Neural Networks (CNN) \ndalam Klasifikasi Tingkat Kematangan Pucuk Daun \nTeh\n\n" . "text/html" . .