Penerapan Teachable Machine Pada Klasifikasi Machine Learning Untuk Identifikasi Bibit Tanaman

Authors

  • Chalifa Chazar STMIK IM
  • Muhammad Helmi Rafsanjani STMIK IM

DOI:

https://doi.org/10.35969/inotek.v2i1.207

Keywords:

Bibit Tanaman, Machine Learning, Pengenalan Objek, Teachable Machine

Abstract

Pengenalan objek merupakan bagian penting pada manusia yang dapat digunakan untuk proses pengambilan informasi. Perkembangan teknologi kecerdasan buatan yang cepat, menyebabkan teknologi semakin mendekati atau bahkan melebihi kemampuan indera manusia. Sistem intelegensi visual merupakan bidang yang memperdalam cara pandang teknologi dalam memberikan informasi dan kalkulasi secara diskrit dengan dukungan kecerdasan buatan. Pertanian urban saat ini banyak digemari dikalangan masyarakat perkotaan. Pertanian urban adalah praktik budidaya, pemrosesan, dan distribusi bahan pangan di atau sekitar kota. Pertanian urban umumnya dilakukan untuk memenuhi kebutuhan pangan untuk dikonsumsi sebuah keluarga, juga untuk meningkatkan pendapatan dan sebagai bahan untuk relaksasi. Pengenalan objek dapat dimanfaatkan untuk mengetahui jenis bibit tanaman dan informasi tanaman untuk membantu masyarakat yang akan memulai pertanian urban. Teachable Machine merupakan alat yang dapat digunakan untuk membuat sebuah model klasifikasi yang mudah digunakan untuk mengembangkan aplikasi machine learning. Teachable Machine dapat memudahkan proses training data yang umumnya membutuhkan banyak sumberdaya pada machine leaning. Penelitian ini bertujuan untuk menggunakan pengenalan objek dengan machine learning sehingga dapat membantu masyarakat untuk dapat mengenali bibit tanaman dan memberikan informasi tanaman yang dapat berguna untuk mengelola pertanian urban.

Downloads

Download data is not yet available.

References

Baihaqi, M. B., Litanianda, Y., Triyanto, A. 2022. Implementasi Tensor Flow Lite Pada Teachanle Untuk Identifikasi Tanaman Aglonema Berbasis Android. KOMPUTEK: Jurnal Teknik Universitas Muhammadiyah Ponorogo. Vol 6 (1). Hal: 70–80.

Enggari, S., Ramadhanu, A., & Marfalino, H. 2022. Peningkatan Digital Image Processing Dalam Mendeskripsikan Tumbuhan Jamur Dengan Segmentasi Warna, Deteksi Tepi Dan Kontur. Jurnal Teknologi Dan Sistem Informasi Bisnis. Vol 4 No.1. Hal: 70–75. https://doi.org/10.47233/jteksis.v4i1.358

Fauzi, A. R., Ichniarsyah, A. N., Agustin, H. 2016. Pertanian Perkotaan: Urgensi, Peranan, dan Praktik Terbaik. Jurnal Agroteknologi. Vol. 10 No. 01.

Nagataries, D., Hardiristanto, S., Purnomo, M. H., & Klasik, A. A. G. 2012. Deteksi Objek Pada Citra Digital Menggunakan Algoritma Genetika untuk Studi Kasus Sel Sabit. Journal of Electrical Engineering.

Perkasa, B. R., Sularsa, A., Pratondo, A., & Telkom, U. 2022. Implementasi Klasifikasi Citra Untuk Mendeteksi Embrio Bebek Pada Aplikasi Mobile Menggunakan Artificial Intelligence. e-Procedding of Applied Science. Vol. 8 No.1. Hal: 129-135. ISSN : 2442-5826

Downloads

Published

2022-05-21