KLASIFIKASI JENIS BUAH SALAK DENGAN METODE CONVOLUTIONAL NEURAL NETWORK MODEL VGG16

Riyadi, Naufal Yazid (2024) KLASIFIKASI JENIS BUAH SALAK DENGAN METODE CONVOLUTIONAL NEURAL NETWORK MODEL VGG16. Other thesis, UPN Veteran Yogyakarta.

	Text Cover Laporan Tugas Akhir.pdf Download (163kB)
	Text Abstrak Laporan Tugas Akhir.pdf Download (7kB)
	Text Lembar Pengesahan Pembimbing.pdf Download (551kB)
	Text Lembar Pengesahan Penguji.pdf Download (579kB)
	Text Daftar Isi Laporan Tugas Akhir.pdf Download (83kB)
	Text Daftar Pustaka Laporan Tugas Akhir.pdf Download (140kB)
	Text Laporan Tugas Akhir Final_Naufal Yazid Riyadi_123190101.pdf Restricted to Repository staff only Download (4MB)

Abstract

Salak (Salacca Zalacca) adalah buah tropis yang sering dijumpai di Asia Tenggara, khususnya Indonesia, dengan Kabupaten Sleman dikenal sebagai produsen salak pondoh terbesar. Meskipun salak populer, banyak masyarakat masih kesulitan membedakan jenis-jenis salak seperti salak pondoh, salak madu, dan salak gading karena penampilannya yang serupa. Permasalahan ini dapat diatasi menggunakan Machine Learning, khususnya Image Classification dengan Convolutional Neural Network (CNN). Transfer Learning diterapkan untuk mengoptimalkan penggunaan CNN pada dataset yang terbatas, dengan memanfaatkan model yang telah dilatih sebelumnya. VGG16, sebagai salah satu arsitektur transfer learning paling awal, dipilih karena kemampuannya memberikan akurasi tinggi dalam klasifikasi citra.

Dari percobaan yang dilakukan dalam penelitian ini, model VGG16 menghasilkan akurasi sebesar 98,33%. Semakin kecil batch size, semakin baik akurasi yang dihasilkan, sedangkan semakin besar nilai epoch, semakin tinggi akurasinya. Augmentasi data juga terbukti meningkatkan akurasi, di mana model yang menggunakan augmentasi pada preprocessing memiliki akurasi lebih tinggi dibandingkan model tanpa augmentasi. Penelitian ini menunjukkan potensi penggunaan Transfer Learning dan VGG16 dalam klasifikasi jenis salak dengan dataset yang terbatas, memberikan hasil akurasi yang optimal.

Kata Kunci : Salak (Salacca Zalacca), Image Classification, Convolutional Neural Network (CNN), Transfer Learning, VGG16.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Salak (Salacca Zalacca), Image Classification, Convolutional Neural Network (CNN), Transfer Learning, VGG16.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	02 Jan 2025 02:32
Last Modified:	02 Jan 2025 02:32
URI:	http://eprints.upnyk.ac.id/id/eprint/41961

Actions (login required)

View Item