KLASIFIKASI TINGKAT KEMATANGAN DAN JENIS BUAH PISANG MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK

HUDA, FADILA (2023) KLASIFIKASI TINGKAT KEMATANGAN DAN JENIS BUAH PISANG MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. Strata 1 thesis, Universitas Teknokrat Indonesia.

	Text (Full Teks) skripsi17312071.pdf - Published Version Restricted to Registered users only Download (4MB) | Request a copy
	Text (Abstrak) abstrak17312071.pdf - Published Version Download (184kB)
	Text (BAB I Pendahuluan) b117312071.pdf - Published Version Download (298kB)
	Text (BAB II landasan Teori) b217312071.pdf - Published Version Download (782kB)
	Text (Daftar Pustaka) daftar_pustaka17312071.pdf - Published Version Download (293kB)

Abstract

Penelitian ini bertujuan mengklasifikasikan jenis buah pisang dengan menerapkan Algoritma Convolutional Neural Network (CNN) serta menguji kualitas dari metode Convolutional Neural Network (CNN). Latar belakang penelitian mencerminkan kebutuhan akan sistem klasifikasi otomatis yang dapat meningkatkan efisiensi petani pisang, mengingat metode manual yang masih banyak digunakan memiliki kelemahan dalam konsistensi dan akurasi. Beberapa penelitian terdahulu telah berhasil menggunakan CNN untuk klasifikasi berbagai jenis objek, termasuk buah-buahan. Metode CNN diimplementasikan dengan memanfaatkan pendekatan pelatihan model VGG16 dari data latihan yang disiapkan dan tingkat kematangannya. Penelitian ini membatasi masalah pada tiga jenis buah pisang, yaitu pisang jantan, pisang kepok, dan pisang muli, dengan fokus pada klasifikasi bijian. Pengujian dilakukan untuk mengevaluasi akurasi model, dan hasilnya menunjukkan tingkat akurasi sebesar 78%. Kesimpulan dari penelitian ini adalah bahwa penerapan algoritma CNN dapat membantu meningkatkan efisiensi dalam klasifikasi jenis buah pisang. Meskipun tingkat akurasi mencapai 78%, hasil pengujian juga menunjukkan nilai yang baik untuk presisi (81%) dan recall (78%). Algoritma CNN dapat dijadikan sebagai solusi yang efektif dalam menangani permasalahan klasifikasi jenis buah pisang.

Item Type:	Thesis (Strata 1)
Uncontrolled Keywords:	Pisang, Klasifikasi, Convolutional Neural Network (CNN), Petani Pisang, Efisiensi, VGG16, Akurasi, Presisi, Recall, Automatisasi.
Subjects:	INFORMATIKA > TJ Mechanical engineering and machinery
Divisions:	Fakultas Teknik dan Ilmu Komputer > S1 Informatika
Depositing User:	siswa pkl 4
Date Deposited:	24 Aug 2024 04:23
Last Modified:	24 Aug 2024 04:23
URI:	http://repository.teknokrat.ac.id/id/eprint/5990

Actions (login required)

View Item