Nabil, Muhammad (2024) Implementasi transfer Learning untuk klasifikasi kematangan kakao menggunakan EfficientNetV2. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (69kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (111kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (113kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (153kB) | Preview |
|
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (1MB) | Request a copy |
||
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (1MB) | Request a copy |
||
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (922kB) | Request a copy |
||
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (56kB) | Request a copy |
||
Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf Restricted to Registered users only Download (131kB) | Request a copy |
Abstract
Penggunaan CNN untuk mendeteksi tingkat kematangan kakao secara otomatis dapat meningkatkan efisiensi proses pemanenan selektif agar hasil produksi maksimal dengan usaha minimal. Tetapi praktik umum deployment model ke server cloud tidak efisien dan memakan banyak biaya jika dilakukan pada lingkungan perkebunan, sehingga mendorong komputasi ke perangkat tepi. Penelitian ini mengevaluasi akurasi dan penggunaan sumber daya model EfficientNetV2 sebelum dan setelah dikonversi menjadi versi lite serta dengan dan tanpa transfer learning. Hasilnya, EfficientNetV2 dengan transfer learning meraih akurasi tertinggi 92%, sementara EfficientNetV2 versi lite meraih akurasi 91% dengan penggunaan sumber daya yang jauh lebih kecil.
Item Type: | Thesis (Sarjana) |
---|---|
Uncontrolled Keywords: | EfficientNetV2; Transfer Learning; Komputasi Tepi; |
Subjects: | Special Computer Methods > Artificial Intelligence Special Computer Methods > Computer Vision |
Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
Depositing User: | Nabil Muhammad |
Date Deposited: | 05 Jul 2024 07:37 |
Last Modified: | 05 Jul 2024 07:37 |
URI: | https://digilib.uinsgd.ac.id/id/eprint/90238 |
Actions (login required)
View Item |