Afiyah, Luthfi (2026) Klasifikasi tingkat kematangan buah tomat menggunakan Hybrid EfficientNet-B0 dan vision transformer-B/16 Berbasis Citra Digital. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (344kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (147kB) | Preview |
|
|
Text (LEMBAR PERNYATAAN)
3_skbebasplagiarism.pdf Download (668kB) | Preview |
|
|
Text (DAFTAR ISI)
4_daftarisi.pdf Download (130kB) | Preview |
|
|
Text (BAB I)
5_bab1.pdf Download (367kB) | Preview |
|
![[img]](https://digilib.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
6_bab2.pdf Restricted to Registered users only Download (898kB) | Request a copy |
|
|
Text (BAB III)
7_bab3.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
|
Text (BAB IV)
8_bab4.pdf Restricted to Registered users only Download (25MB) | Request a copy |
|
|
Text (BAB V)
9_bab5.pdf Restricted to Registered users only Download (129kB) | Request a copy |
|
|
Text (DAFTAR PUSTAKA)
10_daftarisi.pdf Restricted to Registered users only Download (140kB) | Request a copy |
Abstract
Penentuan tingkat kematangan buah tomat (Solanum lycopersicum L.) masih banyak dilakukan secara manual melalui pengamatan visual terhadap warna dan kondisi fisik buah. Cara tersebut rentan menghasilkan penilaian yang bersifat subjektif, kurang konsisten, serta kurang efisien ketika diterapkan pada proses penyortiran dalam jumlah besar. Oleh karena itu, penelitian ini mengembangkan sistem klasifikasi tingkat kematangan tomat berbasis kecerdasan buatan dengan menggabungkan arsitektur EfficientNet-B0 dan Vision Transformer-B/16 dalam sebuah model hybrid. Sistem yang dikembangkan bertujuan mengelompokkan tomat ke dalam tiga kategori kematangan, yaitu belum matang, setengah matang, dan matang. Dataset yang digunakan terdiri atas 1.500 citra tomat dari kombinasi sumber publik dan proses pengambilan data secara mandiri. Sebelum proses pelatihan dilakukan, seluruh citra melewati tahapan prapemrosesan yang mencakup penyesuaian ukuran gambar, normalisasi nilai piksel, serta augmentasi data untuk meningkatkan keberagaman data dan kemampuan generalisasi model. Pada proses ekstraksi fitur, EfficientNet-B0 digunakan untuk mengekstraksi fitur lokal, berupa warna, tekstur, dan bentuk objek, sedangkan ViT-B/16 digunakan untuk menangkap hubungan antarfitur secara global melalui mekanisme self-attention. Hasil pengujian menggunakan pendekatan single-split menunjukkan bahwa model yang diusulkan mampu mencapai kinerja klasifikasi yang sangat baik dengan nilai accuracy sebesar 97,78%, precision sebesar 97,87%, recall sebesar 97,78%, dan F1-score sebesar 97,76%. Model selanjutnya diimplementasikan ke dalam aplikasi berbasis web sehingga proses identifikasi tingkat kematangan tomat dapat dilakukan secara otomatis. Uji coba pada data baru juga memperlihatkan bahwa model memiliki kemampuan generalisasi yang baik terhadap citra yang tidak digunakan selama proses pelatihan. Penelitian ini memberikan kontribusi terhadap pengembangan sistem klasifikasi kematangan tomat berbasis kecerdasan buatan sebagai salah satu pendukung implementasi pertanian cerdas.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Additional Information: | TIDAK ADA LAMPIRAN |
| Uncontrolled Keywords: | EfficientNet-B0; Hybrid CNN-ViT; Klasifikasi Kematangan Tomat; Pengolahan Citra Digital; Vision Transformer-B/16; |
| Subjects: | Data Processing, Computer Science Special Computer Methods > Artificial Intelligence Special Computer Methods > Computer Vision Special Computer Methods > Computer Pattern Recognition Plants, Botany > Data Processing and Analysis of Botany |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | Luthfi Afiyah |
| Date Deposited: | 04 Aug 2026 08:19 |
| Last Modified: | 04 Aug 2026 08:19 |
| URI: | https://digilib.uinsgd.ac.id/id/eprint/137468 |
Actions (login required)
 |
View Item |
