Klasifikasi kematangan buah stroberi menggunakan metode Convolutional Neural Network
Total View This Week0
Total View This Week0
Institusion
Universitas Ahmad Dahlan
Author
Risko Amalia, Alifa
Subject
Q Science (General)
Datestamp
2024-10-28 04:03:14
Abstract :
Stroberi (Fragaria × ananassa) adalah buah populer dengan rasa khas dan kandungan gizi yang tinggi, tetapi memiliki masa simpan yang terbatas dan mudah rusak. Sebagai buah non-klimakterik, stroberi harus dipanen dalam kondisi matang untuk memastikan kualitasnya. Peningkatan pernapasan setelah panen menyebabkan hilangnya nutrisi dan kelembaban, mempercepat penuaan dan mempengaruhi kualitas buah. Penelitian ini bertujuan untuk memanfaatkan metode Convolutional Neural Network (CNN) dengan arsitektur VGG16 dalam mengklasifikasikan kematangan stroberi serta mengevaluasi penerapan dan efektivitas algoritma CNN dalam mengidentifikasi kematangan buah tersebut. Manfaat penelitian ini meliputi penambahan wawasan dalam pengolahan citra berbasis CNN dan pengembangan kemampuan alternatif operasional CNN dalam klasifikasi kematangan buah stroberi. Tahapan penelitian meliputi input data, preprocessing citra, penerapan model CNN dengan arsitektur VGG16, pengujian model, serta analisis hasil akurasi. Proses dimulai dengan pengumpulan dan persiapan data citra stroberi, diikuti dengan preprocessing untuk meningkatkan kualitas gambar. Model CNN (VGG16) kemudian diterapkan untuk mengklasifikasikan tingkat kematangan buah, diikuti dengan evaluasi performa model melalui pengujian akurasi dan analisis hasil. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan tingkat kematangan stroberi dengan sangat baik. Model CNN dengan arsitektur VGG16 yang digunakan berhasil mencapai akurasi sebesar 98,3% pada dataset yang terdiri dari 1200 citra yang dibagi menjadi 3 kelas tingkat kematangan. Dari 240 citra yang digunakan untuk pengujian, model menunjukkan kinerja yang konsisten dan akurat. Dengan demikian, penggunaan metode CNN dalam klasifikasi tingkat kematangan stroberi dapat menegaskan efektivitas metode CNN dalam pengolahan citra.
Stroberi (Fragaria × ananassa) adalah buah populer dengan rasa khas dan kandungan gizi yang tinggi, tetapi memiliki masa simpan yang terbatas dan mudah rusak. Sebagai buah non-klimakterik, stroberi harus dipanen dalam kondisi matang untuk memastikan kualitasnya. Peningkatan pernapasan setelah panen menyebabkan hilangnya nutrisi dan kelembaban, mempercepat penuaan dan mempengaruhi kualitas buah. Penelitian ini bertujuan untuk memanfaatkan metode Convolutional Neural Network (CNN) dengan arsitektur VGG16 dalam mengklasifikasikan kematangan stroberi serta mengevaluasi penerapan dan efektivitas algoritma CNN dalam mengidentifikasi kematangan buah tersebut. Manfaat penelitian ini meliputi penambahan wawasan dalam pengolahan citra berbasis CNN dan pengembangan kemampuan alternatif operasional CNN dalam klasifikasi kematangan buah stroberi. Tahapan penelitian meliputi input data, preprocessing citra, penerapan model CNN dengan arsitektur VGG16, pengujian model, serta analisis hasil akurasi. Proses dimulai dengan pengumpulan dan persiapan data citra stroberi, diikuti dengan preprocessing untuk meningkatkan kualitas gambar. Model CNN (VGG16) kemudian diterapkan untuk mengklasifikasikan tingkat kematangan buah, diikuti dengan evaluasi performa model melalui pengujian akurasi dan analisis hasil. Hasil penelitian menunjukkan bahwa model mampu mengklasifikasikan tingkat kematangan stroberi dengan sangat baik. Model CNN dengan arsitektur VGG16 yang digunakan berhasil mencapai akurasi sebesar 98,3% pada dataset yang terdiri dari 1200 citra yang dibagi menjadi 3 kelas tingkat kematangan. Dari 240 citra yang digunakan untuk pengujian, model menunjukkan kinerja yang konsisten dan akurat. Dengan demikian, penggunaan metode CNN dalam klasifikasi tingkat kematangan stroberi dapat menegaskan efektivitas metode CNN dalam pengolahan citra.
File :
T1_2000018304_JUDUL__240817094739.pdf
T1_2000018304_BAB_I__240817094739.pdf
T1_2000018304_BAB_II__240817094739.pdf
T1_2000018304_BAB_III__240817094739.pdf
T1_2000018304_BAB_IV__240817094739.pdf
T1_2000018304_BAB_V__240817094739.pdf
T1_2000018304_DAFTAR_PUSTAKA__240817094739.pdf
T1_2000018304_LAMPIRAN__240817094739.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
