Implementasi Algoritma Convolutional Neural Network (CNN) menggunakan YOLOv8 untuk deteksi tingkat kematangan Steak

Ummam, Khoirul (2024) Implementasi Algoritma Convolutional Neural Network (CNN) menggunakan YOLOv8 untuk deteksi tingkat kematangan Steak. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (578kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (681kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (589kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (926kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (588kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (530kB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem deteksi kematangan steak berbasis Algoritma Convolutional Neural Network (CNN) menggunakan YOLOv8 dengan implementasi pada pengembangan menggunakan bahasa pemrograman python. Deteksi tingkat kematangan steak akan dilakukan dalam lima kategori, yaitu jenis tingkat kematangan rare, medium rare, medium, medium well, dan well done. Pendekatan menggunakan CNN telah terbukti efektif dalam tugas klasifikasi citra, termasuk identifikasi tingkat kematangan daging. Pada penelitian ini, dilakukan proses pra-pemrosesan citra untuk meningkatkan kualitas dan memperjelas fitur-fitur yang relevan dengan kematangan daging. Model CNN akan dilatih menggunakan dataset beranotasi yang mencakup berbagai tingkat kematangan steak. Evaluasi sistem akan dilakukan menggunakan metode perhitungan confusion matrix menunjukkan bahwa sistem memiliki tingkat akurasi sebesar 87,7% untuk dataset yang bersumber dari roboflow, 84% untuk dataset pribadi dan 89,9% untuk data gabungan.

Item Type: Thesis (Sarjana)
Uncontrolled Keywords: Kematangan Steak; CNN; YOLOv8; Python; Flask; Confusion Matrix;
Subjects: Data Processing, Computer Science > Computers Mathematical Principles
Data Processing, Computer Science > Auxiliary Techniques
Data Processing, Computer Science > Computer Management
Data Processing, Computer Science > Computer and Human
Data Processing, Computer Science > Systems Analysis and Computer Design
Data Processing, Computer Science > Computer Architecture
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Khoirul Ummam
Date Deposited: 02 Sep 2024 07:54
Last Modified: 02 Sep 2024 07:54
URI: https://digilib.uinsgd.ac.id/id/eprint/95220

Actions (login required)

View Item View Item