eprintid: 8757
rev_number: 6
eprint_status: archive
userid: 46
dir: disk0/00/00/87/57
datestamp: 2024-12-18 02:46:56
lastmod: 2024-12-18 02:46:56
status_changed: 2024-12-18 02:46:56
type: thesis
metadata_visibility: show
creators_name: Faisal Raafi, Muhammad
creators_name: Taher, Hermawan
creators_name: Mulyati, Mulyati
creators_NPM: 065119132
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: Faisal Raafi, Muhammad
contributors_name: Taher, Hermawan
contributors_name: Mulyati, Mulyati
contributors_NIDN: 0412128502
corp_creators: Universitas Pakuan
corp_creators: Fakultas Matematika dan Ilmu Pengetahuan Alam
corp_creators: Program Studi Ilmu Komputer
title: Penerapan Convolutional Neural Networks (CNN) 
dalam Klasifikasi Tingkat Kematangan Pucuk Daun 
Teh
ispublished: pub
divisions: sch_ecs
full_text_status: public
abstract: Penerapan Convolutional Neural Networks (CNN) 
dalam Klasifikasi Tingkat Kematangan Pucuk Daun 
Teh
Muhammad Faisal Raafi1*, Hermawan2 , Mulyati3
1,2,3Program Studi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, 
Universitas Pakuan, Bogor, Jawa Barat, 16143, Indonesia;
faisal065119132@unpak.ac.id1, hemawan@unpak.ac.id2, mulyati@unpak.ac.id3
Abstrak Teh adalah minuman yang terbuat dari pucuk daun teh yang telah melalui 
proses tertentu. Indonesia merupakan salah satu negara penghasil teh terbesar di 
dunia. Dalam proses pemanenan daun teh, sangat penting untuk menentukan 
daun teh yang berada pada tingkat kematangan optimal guna memastikan kualitas 
dan cita rasa teh yang dihasilkan. Tingkat kematangan pucuk daun teh mencakup 
daun belum matang, setengah matang, matang, dan daun tua. Pengamatan visual 
yang dilakukan mandor selama proses pemanenan sering kali kurang akurat, 
terutama dalam menentukan waktu petik pada musim tertentu. Penelitian ini 
bertujuan untuk mengklasifikasikan tingkat kematangan pucuk daun teh dengan 
menerapkan algoritma Convolutional Neural Networks (CNN). Algoritma CNN 
memiliki keunggulan utama dalam mengenali pola dan fitur kompleks melalui 
lapisan konvolusi. Arsitektur yang diimplementasikan adalah LeafNet dan 
VGGNet11 yang memiliki tingkat kompleksitas lapisan berbeda. Penelitian ini 
didukung oleh metode Knowledge Discovery and Data Mining (KDD) untuk 
memaksimalkan pembangunan model. Distribusi dataset dilakukan pada berbagai 
proporsi, yaitu 70:15:15, 80:10:10, dan 90:5:5. LeafNet mencapai akurasi validasi 
tertinggi sebesar 98,08% dengan nilai loss rendah sebesar 0,117 pada proporsi 
90:5:5. Hasil ini menunjukkan bahwa LeafNet memiliki kinerja yang lebih baik 
dalam menggeneralisasi data baru, dan proporsi dataset dapat memengaruhi 
performa model.
Kata kunci: Convolutional Neural Networks, Daun Teh, Klasifikasi, LeafNet, 
VGGNet11
date: 2024-07-17
date_type: published
pages: 24
institution: Universitas Pakuan
department: Fakultas Matematika dan Ilmu Pengetahuan Alam
thesis_type: Skripsi
thesis_name: Sarjana
citation:   Faisal Raafi, Muhammad and Taher, Hermawan and Mulyati, Mulyati  (2024) Penerapan Convolutional Neural Networks (CNN) dalam Klasifikasi Tingkat Kematangan Pucuk Daun Teh.  Skripsi thesis, Universitas Pakuan.   
document_url: http://eprints.unpak.ac.id/8757/1/skripsi_Muhammad%20Faisal%20Raafi.pdf