Syahrifudin, Umar (2024) Deteksi citra jenis daging merah menggunakan transfer learning MobileNetV2 berbasis fitur ekstraksi warna dan tekstur. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_Cover.pdf Download (286kB) | Preview |
|
|
Text (ABSTRAK)
2_Abstrak.pdf Download (228kB) | Preview |
|
|
Text (DAFTAR ISI)
3_Daftar Isi.pdf Download (322kB) | Preview |
|
|
Text (BAB I)
4_BAB I.pdf Download (292kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5_BAB II.pdf Restricted to Registered users only Download (451kB) | Request a copy |
|
|
Text (BAB III)
6_BAB III.pdf Restricted to Registered users only Download (576kB) | Request a copy |
|
|
Text (BAB IV)
7_BAB IV.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
|
Text (BAB V)
8_BAB V.pdf Restricted to Registered users only Download (236kB) | Request a copy |
|
|
Text (DAFTAR PUSTAKA)
9_Daftar Pustaka.pdf Restricted to Registered users only Download (275kB) | Request a copy |
Abstract
Identifikasi jenis daging merupakan masalah penting yang berkaitan dengan aspek keagamaan dan kesehatan. Penelitian ini bertujuan untuk mengembangkan sebuah sistem yang mampu mengenali jenis daging merah menggunakan teknologi kecerdasan buatan, khususnya pengenalan gambar. Metode yang digunakan adalah transfer learning dengan menggunakan pre-trained MobileNetV2 berbasis fitur ekstraksi fitur warna dan tekstur. Hasil penelitian menunjukkan bahwa model yang dikembangkan berhasil mencapai tingkat akurasi tertinggi, yaitu 96%, dalam mengklasifikasikan jenis daging merah. Namun, pengujian aplikasi dengan data tes pada 100 gambar menunjukkan akurasi yang lebih rendah, yaitu 69%, yang disebabkan oleh beberapa faktor seperti, keterbatasan dataset dan kualitas gambar yang rendah. Terlepas dari penurunan ini, model ini menawarkan solusi yang efisien dalam hal penggunaan sumber daya, menjadikannya ideal untuk aplikasi mobile atau perangkat dengan keterbatasan sumber daya. Aplikasi yang dikembangkan juga telah berhasil menjalani serangkaian pengujian untuk memverifikasi fungsionalitas dan kompatibilitasnya di berbagai perangkat Android.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Identifikasi Daging; Kecerdasan Buatan; Pengenalan Gambar;Transfer Learning; MobileNetV2; CNN |
| Subjects: | Data Processing, Computer Science Data Processing, Computer Science > Computer Science Education |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Umar Syahrifudin |
| Date Deposited: | 31 May 2024 05:56 |
| Last Modified: | 31 May 2024 05:56 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/87353 |
Actions (login required)
 |
View Item |
