Heryanto, Rafi Rai (2024) Implementasi algoritma Convolutional Neural Network CNN Untuk mendeteksi kematangan buah harum manis. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
COVER.pdf Download (71kB) | Preview |
|
|
Text (ABSTRAK)
ABSTRAK.pdf Download (20kB) | Preview |
|
|
Text (DAFTAR ISI)
DAFTAR ISI.pdf Download (71kB) | Preview |
|
|
Text (BAB I)
BAB 1.pdf Download (37kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
BAB 2.pdf Restricted to Registered users only Download (382kB) |
|
|
Text (BAB III)
BAB 3.pdf Restricted to Registered users only Download (315kB) |
|
|
Text (BAB IV)
BAB 4.pdf Restricted to Registered users only Download (301kB) |
|
|
Text (BAB V)
BAB 5.pdf Restricted to Registered users only Download (20kB) |
|
|
Text (DAFTAR PUSTAKA)
DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (94kB) |
Abstract
Deteksi kematangan buah merupakan aspek penting dalam industri pertanian dan pengolahan makanan untuk memastikan kualitas produk yang optimal. Kematangan buah yang tepat dapat memengaruhi rasa, tekstur, dan nutrisi, sehingga menjadi fokus utama dalam pemantauan dan pengendalian proses produksi. Saat ini, proses deteksi kematangan buah masih banyak dilakukan secara manual, yang dapat menjadi tidak efisien dan kurang akurat. penelitian ini bertujuan untuk mengatasi tantangan tersebut dengan mengimplementasikan algoritma CNN dengan arsitektur VGG-19 dalam mendeteksi kematangan buah harum manis secara otomatis.Proses ini melibatkan pengumpulan dataset citra buah dengan berbagai tingkat kematangan, pra-pemrosesan citra termasuk cropping dan resizing, pelatihan model CNN VGG-19 dengan feature learning dan optimasi hyperparameter, serta evaluasi kinerja model menggunakan confusion matrix. Melalui eksperimen ini, kami bertujuan untuk mengevaluasi kinerja model dalam mendeteksi kematangan buah dan mengukur kecepatan serta efisiensi sistem deteksi berbasis CNN dengan arsitektur VGG-19. Hasil penelitian ini diharapkan dapat membantu mengembangkan sistem yang lebih baik untuk mengidentifikasi kematangan buah. Kata Kunci: harum manis, CNN, VGG-19.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Uncontrolled Keywords: | Klasifikasi Buah; Metode Crips DM; Algoritma Convolutional Neural Network |
| Subjects: | Data Processing, Computer Science |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | rafi rai heryanto |
| Date Deposited: | 10 Sep 2024 00:18 |
| Last Modified: | 10 Sep 2024 00:18 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/95652 |
Actions (login required)
 |
View Item |
