KLASIFIKASI JENIS BUAH APEL IMPOR MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK

MUHAMMAD, MAULANA IRSYAD (2023) KLASIFIKASI JENIS BUAH APEL IMPOR MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK. Diploma thesis, Universitas Pembangunan Nasional "Veteran" Yogyakarta.

	Text ABSTRAK_MAULANA IRSYAD MUHAMMAD_123190119.pdf Download (417kB)
	Text COVER_MAULANA IRSYAD MUHAMMAD_123190119.pdf Download (360kB)
	Text DAFTAR ISI_MAULANA IRSYAD MUHAMMAD_123190119.pdf Download (541kB)
	Text DAFTAR PUSTAKA_MAULANA IRSYAD MUHAMMAD_123190119.pdf Download (331kB)
	Text PENGESAHAN PEMBIMBING_MAULANA IRSYAD MUHAMMAD_123190119.pdf Download (542kB)
	Text SKRIPSI FULLTEXT_MAULANA IRSYAD MUHAMMAD_123190119.pdf Restricted to Repository staff only Download (4MB)

Abstract

Buah merupakan komponen penting dalam konsumsi sehari-hari dengan beragam
manfaat kesehatan berkat kandungan vitamin dan seratnya. Proses penjualan buah umumnya
melibatkan penggunaan timbangan tradisional, namun, dengan perkembangan Teknologi
Informasi, terutama dalam klasifikasi jenis buah, terdapat potensi untuk meningkatkan
efisiensi.
Penelitian ini mengeksplorasi penerapan Convolutional Neural Network (CNN) dalam
mengidentifikasi dan mengklasifikasikan jenis buah apel impor, mengatasi kendala sortir
manual yang memakan waktu dan berisiko kesalahan. Indonesia, sebagai negara tropis
dengan potensi pertanian besar, sering mengimpor buah untuk memenuhi kebutuhan
masyarakat.
Penelitian ini menganalisis bahwa hyperparameter memainkan peran penting dalam
akurasi klasifikasi jenis apel. Dengan melakukan percobaan menggunakan nilai epoch dan
batch size, studi ini mengidentifikasi bahwa akurasi tertinggi yang dicapai adalah 99,07%
ketika menggunakan batch size 32 dan epoch 30. Akurasi terendah didapat adalah 40%
ketika menggunakan batch size 64 dan epoch 20
Penelitian ini menambah nilai pada pengetahuan yang ada dengan mengekplorasi pengaruh
batch size dan epoch terhadap akurasi klasifikasi jenis apel.
Kata Kunci: Alexnet, Convolutional Neural Network, Apel, Hyperparameter, Apel Granny Smith, Apel Pink
Lady, Apel Red Delicious

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Alexnet, Convolutional Neural Network, Apel, Hyperparameter, Apel Granny Smith, Apel Pink Lady, Apel Red Delicious
Subjects:	Q Science > Q Science (General)
Divisions:	Faculty of Engineering, Science and Mathematics > School of Engineering Sciences
Depositing User:	Eny Suparny
Date Deposited:	18 Dec 2023 04:55
Last Modified:	18 Dec 2023 04:55
URI:	http://eprints.upnyk.ac.id/id/eprint/38366

Actions (login required)

View Item