• mahkota212.com
  • http://adoornri.com/
  • yokaislot
  • slot gacor
  • https://kadinkabserambarat.org/tentang-kadin/
  • https://kadinkabhalmaheratengah.org/tentang-kadin/
  • situs slot gacor hari ini
  • https://metallagi.com/
  • https://sistel.semarangkota.go.id/
  • https://bkd.siakkab.go.id/
  • https://kadintegal.org/tentang-kadin/
  • https://ejournal.bsi.ac.id/ejurnal/index.php/abdimas
  • https://sippbb.purwakartakab.go.id/maps/
  • http://pustaka.fib.unand.ac.id/
  • slot gacor
  • slot777
  • https://awangbangkalbarat.banjarkab.go.id/
  • https://www.scienceworksforus.com/press-releases/one-week-and-counting-dont-cut-the-research-that-fuels-the-u-s-economy
  • https://washrightsnetwork.org/free-spins-existing-customers-no-deposit-2025-australia/
  • https://catalogue.paramadina.ac.id/
  • https://kadinlangara.org/XNXX/
  • https://kadinpcmataram.org/kontak/
  • https://merch.emma-larson.com/products
  • https://kadinkabbireuen.org/tentang-kadin/
  • https://kadinkotabatang.org/XVIDEOS/
  • https://motherscareivfcentre.com/about-us-2/appointments/
  • https://tiwet.web.id/orc/
  • https://babelankota.kabbekasi.id/
  • situs slot gacor
  • https://anggota.kadinpcmataram.org/
  • <![CDATA[SISTEM CERDAS PENGENALAN JENIS REMPAH MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)]]> Hendra Setiyawan Pengarang Dian Asmarajati., M.Kom. Dosen Pembimbing 1 Muslim Hidayat, M.Kom Dosen Pembimbing 2 Dian Asmarajati., M.Kom. Ketua Penguji Erna Dwi Astuti., M.Kom. Penguji 1 M.Fuat Asnawi, S.Kom., M.m. Penguji 2
    Rempah-rempah merupakan salah satu sumber daya hayati yang telah memainkan peran penting dalam sejarah manusia. rempah-rempah banyak ditemukan di negaranegara tropis, termasuk Indonesia yang kaya akan sumber daya agraris Penelitian ini bertujuan untuk mengimplementasikan algoritma Convolutional Neural Network (CNN) dengan memanfaatkan arsitektur MobileNet dalam mempermudah masyarakat dalam mengenali atau membedakan jenis rempah-rempah terutama pada rempah-rempah yang memiliki kemiripan baik dari segi bentuk dan warna. Dengan meningkatnya kebutuhan akan sistem yang dapat mengidentifikasi dan mengenali tanaman secara otomatis dan akurat, metode CNN dipilih karena kemampuannya yang tinggi dalam mengenali pola visual pada gambar. Hasil penelitian menunjukkan bahwa model yang dikembangkan mampu mencapai akurasi sebesar 93%, dengan nilai presisi 94%, nilai recall 93%, dan nilai f1-score 94%. Berdasarkan hasil tersebut, dapat disimpulkan bahwa model CNN dengan arsitektur MobileNet memberikan performa yang baik dalam Pengenalan jenis rempah. Selain itu, penerapan model ini ke dalam sebuah aplikasi berbasis website juga berjalan dengan baik, menunjukkan potensi yang besar untuk digunakan secara praktis oleh remaja dan ahli dalam mengidentifikasi jenis rempah secara efektif. Kata Kunci : Rempah, Convolution Neural Network, Mobilnet