Ghazali, Muhammad Farid (2022) APLIKASI PENDETEKSI KONTAMINASI PLASTIK PADA TEMPE GORENG TEPUNG BERDASARKAN CITRA DIGITAL DENGAN METODE CONVOLUTION NEURAL NETWORK (CNN. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.
Text
ABSTRAK.pdf Download (35kB) |
|
Text
cover.pdf Download (168kB) |
|
Text
DAFTAR ISI.pdf Download (126kB) |
|
Text
Daftar Pustaka.pdf Download (98kB) |
|
Text
Halaman pengesahan pembimbing.pdf Download (485kB) |
|
Text
SKRIPSIFULLmuhammadfaridghazali 123150136.pdf Restricted to Repository staff only Download (2MB) |
Abstract
Tempe yang telah tercemar plastik memiliki karakteristik fisik yang berbeda yaitu dari
segi warna dan tekstur yang dapat direpresentasikan dengan citra digital. Dalam proses
pengujian cemaran plastik pada tempe goreng dapat dilakukan dengan aplikasi
menggunakan citra tempe goreng sebagai masukan. Pengujian cemaran plastik
menggunakan aplikasi membutuhkan algoritma yang akurat dalam pengolahan citra.
Dalam penelitian ini menggunakan convolution neural network (CNN), karena telah
terbukti akurat dalam mengklasifikasikan citra digital. Metode (CNN) memiliki kelemahan
yaitu bersifat experimental yang artinya sebuah arsitektur (CNN) yang dibangun dapat
bernilai optimal bagi sebuah objek tapi belum tentu optimal bagi objek yang lain, maka
dibutuhkan penyesuaian untuk membangun arsitektur (CNN) sesuai objek yang diiteliti.
Penelitian ini bertujuan untuk menguji akurasi yang dapat dihasilkan oleh algoritma
Convolutional Neural Network (CNN) dalam mengklasifikasikan tempe goreng tercemar
plastik.
Hasil pengujian yang telah dilakukan terhadap 540 data latih dan 120 data uji
menghasilkan akurasi sebesar 90% dan nilai loss sebesar 0,2051. Citra yang digunakan
adalah citra RGB dengan ukuran 320x320.
Kata Kunci: CNN:Citra Digital:Tempe Goreng:Kontaminasi Plastik
Item Type: | Thesis (Diploma) |
---|---|
Uncontrolled Keywords: | CNN:Citra Digital:Tempe Goreng:Kontaminasi Plastik |
Subjects: | Q Science > Q Science (General) |
Divisions: | Faculty of Engineering, Science and Mathematics > School of Engineering Sciences |
Depositing User: | Eny Suparny |
Date Deposited: | 15 Jul 2022 05:13 |
Last Modified: | 15 Jul 2022 05:13 |
URI: | http://eprints.upnyk.ac.id/id/eprint/30385 |
Actions (login required)
View Item |