Identifikasi Jenis-Jenis Kayu Menggunakan Convolutional Neural Network Dengan Arsitektur Resnet-50

Destiawan, Shandy (2024) Identifikasi Jenis-Jenis Kayu Menggunakan Convolutional Neural Network Dengan Arsitektur Resnet-50. Skripsi thesis, Universitas Buddhi Dharma.

	Text COVER - BAB III.pdf - Published Version Download (2MB)
	Text BAB IV.pdf - Published Version Restricted to Registered users only Download (485kB) | Request a copy
	Text BAB V.pdf - Published Version Download (1MB)

Abstract

Indonesia merupakan negara penghasil kayu dengan jumlah hutan yang sangat besar serta berbagai jenis pohon yang hidup di dalamnya, terdapat tidak kurang dari 4.000 jenis pohon yang ada di hutan Indonesia. Kayu merupakan salah satu aspek penting yang selalu dibutuhkan dalam kehidupan sehari-hari manusia, baik dalam bidang industri konstruksi, furniture, dan lainnya. Untuk menentukan jenis kayu yang cocok bagi suatu bidang industri, diperlukan tenaga ahli agar tidak terjadi kesalahan dalam pemilihan jenis kayu. Namun, kesalahan dalam pemilihan jenis kayu kerap terjadi walaupun sudah menggunakan tenaga ahli. Dalam penelitian ini, digunakan metode Convolutional Neural Network (CNN) dengan arsitektur ResNet-50 untuk mengidentifikasi jenis-jenis kayu. ResNet-50 mampu mempelajari fitur-fitur yang dalam dan kompleks melalui residual connections, yang membantu mengidentifikasi pola-pola spesifik pada serat kayu. Dengan penggunaan ResNet-50, diharapkan dapat memberikan solusi yang lebih akurat dan efisien dalam mengidentifikasi jenis-jenis kayu, mengurangi kesalahan yang sering terjadi dengan metode konvensional, dan membantu industri terkait dalam pemilihan jenis kayu yang tepat.

Item Type:	Thesis (Skripsi)
Uncontrolled Keywords:	Identifikasi, Convolutional Neural Network, ResNet-50, Kayu, Machine Learning
Subjects:	000 Karya Umum > 005 Pemograman > 005.74 Database
Divisions:	Fakultas Sains & Teknologi > Teknik Informatika
Depositing User:	Hariyanto Rie
Date Deposited:	28 Apr 2025 06:49
Last Modified:	28 Apr 2025 06:49
URI:	https://repositori.buddhidharma.ac.id//id/eprint/2574

Actions (login required)

View Item