Ummam, Khoirul (2024) Implementasi Algoritma Convolutional Neural Network (CNN) menggunakan YOLOv8 untuk deteksi tingkat kematangan Steak. Sarjana thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (578kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (681kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (589kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (926kB) | 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 (1MB) | Request a copy |
||
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (588kB) | Request a copy |
||
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 |