IMPLEMENTASI ALGORITMA RANDOM FOREST MENGGUNAKAN EKSTRAKSI FITUR VGG16 UNTUK KLASIFIKASI REMPAH - REMPAH

Afifah, Nikita Alicia Juliet (2025) IMPLEMENTASI ALGORITMA RANDOM FOREST MENGGUNAKAN EKSTRAKSI FITUR VGG16 UNTUK KLASIFIKASI REMPAH - REMPAH. Skripsi thesis, UPN "Veteran" Yogyakarta.

	Text 2_COVER_123190056_NikitaAlicia.pdf Download (225kB)
	Text 4_HALAMAN PENGESAHAN_123190056_NikitaAlicia.pdf Download (215kB)
	Text 3_ABSTRAK_123190056_NikitaAlicia.pdf Download (189kB)
	Text 5_DAFTAR ISI_123190056_NikitaAlicia.pdf Download (377kB)
	Text 6_DAFTAR PUSTAKA_123190056_NikitaAlicia.pdf Download (304kB)
	Text 1_SKRIPSI FULLTEXT_123190056_NikitaAlicia.pdf Restricted to Repository staff only Download (2MB)

Abstract

Indonesia dikenal memiliki kekayaan sumber daya alam yang melimpah, termasuk
berbagai jenis rempah-rempah yang digunakan luas di berbagai sektor industri. Namun dengan
keanekaragaman rempah rempah tersebut, menyebabkan munculnya permasalahan seperti
sulitnya beberapa masyarakat dalam membedakan antara rempah satu dengan yang lain
dikarenakan beberapa jenis rempah – rempah memiliki persamaan dalam segi bentuk dan
aroma yang hampir sama. Klasifikasi menggunakan Random Forest bisa dijadikan solusi
dalam permasalahan diatas, karena Random Forest mampu menangani dataset yang memiliki
variabilitas tinggi dan fitur yang kompleks. Namun klasifikasi Random Forest membutuhkan
proses ekstraksi fitur citra sebagai pharameter masukannya. Salah satu metode ekstraksi fitur
yang sering dimanfaatkan adalah metode deep learning dengan menggunakan algoritma CNN
(Convolutional Neural Network). Penelitian ini menerapkan transfer learning dengan
arsitektur VGG16 pada metode CNN. Dataset yang digunakan pada penelitian ini merupakan
dataset sekunder yang diambil dari kaggle dengan jumlah data sebanyak 423 data yang terbagi
menjadi 3 kelas. Untuk menemukan konfigurasi model terbaik, pengujian dilakukan
menggunakan metode K-Fold Cross Validation sebanyak 5 fold. Pengujian juga dilakukan
dengan konfigurasi hyperparameter pada Random Forest sebanyak 2 skenario. Berdasarkan
pengujian yang telah dilakukan, model terbaik diperoleh pada pengujian skenario kedua fold
ke 4 dengan akurasi training sebesar 95.75% dan akurasi testing sebesar 88.10%.
Kata Kunci: Convolutional Neural Network, VGG16, Random Forest, Rempah-Rempah

Item Type:	Tugas Akhir (Skripsi)
Additional Information:	Nikita Alicia Juliet Afifah (Penulis - 123190056) ; Wilis Kaswidjanti (Pembimbing)
Uncontrolled Keywords:	Convolutional Neural Network, VGG16, Random Forest, Rempah-Rempah
Subjek:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Teknik Industri > (S1) Informatika
Depositing User:	UPA Perpustakaan
Date Deposited:	04 Nov 2025 01:54
Last Modified:	04 Nov 2025 01:54
URI:	http://eprints.upnyk.ac.id/id/eprint/45289

Actions (login required)

View Item