KLASIFIKASI CITRA BUAH JERUK MANIS MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) (Studi Kasus Dinas Tanaman Pangan dan Hortikultura Rokan Hulu)

RINANDA, RIZKI PRATAMA (2020) KLASIFIKASI CITRA BUAH JERUK MANIS MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) (Studi Kasus Dinas Tanaman Pangan dan Hortikultura Rokan Hulu). Sarjana thesis, Universitas Pasir Pengaraian.

	Text COVER.pdf Download (1MB)
	Text BAB 1 2 3.pdf Download (244kB)
	Text BAB 4 5.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Tanaman jeruk manis (Citrus Sinensis) adalah tanaman buah tahunan yang berasal dari Asia. Cina dipercaya sebagai tempat pertama kali jeruk tumbuh. Sejak ratusan tahun yang lalu, jeruk sudah tumbuh di Indonesia baik secara alami atau dibudidayakan. Jeruk manis sangat banyak dikonsumsi oleh manusia karena jeruk kaya akan vitamin C, buah jeruk manis bisa dikonsumsi langsung dan bisa dijadikan sebagai minuman dan selai. Secara umum proses klasifikasi yang dilakukan untuk menentukan jeruk layak (bagus) dan tidak layak (busuk) masih banyak menggunakan cara manual. Cara manual dilakukan berdasarkan pengamatan visual secara langsung pada buah yang akan diklasifikasi. Klasifikasi dengan cara ini memiliki beberapa kelemahan yaitu adanya keterbatasan visual manusia, di pengaruhi oleh kondisi psikis pengamatannya serta memakan waktu yang lama terutama bagi perkebunan besar. Untuk itu, diperlukan suatu metode untuk klasifikasi buah jeruk manis dengan sistem terkomputerisasi yang dibuat menggunakan metode Convolutional Neural Network (CNN). CNN adalah salah satu algoritma dari deep learning yang merupakan pengembangan dari Multilayer Percepton (MLP) yang mampu mengolah data dalam bentuk dua dimensi, misalnya gambar serta mampu melakukan klasifikasi pada citra dengan kelas–kelas yang lebih banyak atau besar. Sistem ini dirancang dan dibangun menggunakan bahasa pemrograman matlab versi R2018a. Pada penelitian dengan 100 dataset gambar jeruk manis menunjukan tingkat akurasi sebesar 96% untuk training 92% untuk testing yang dinilai telah mampu melakukan klasifikasi kelayakan buah jeruk manis dengan sangat baik. Pada pengujian menggunakan data baru dari 10 citra jeruk manis dihasilkan 9 citra jeruk manis dengan nilai benar dan 1 citra jeruk manis dengan nilai salah.

Item Type:	Thesis (Sarjana)
Uncontrolled Keywords:	Convolutional Neural Network (CNN), Deep Learning, Jeruk Manis, Klasifikasi.
Subjects:	Dewey decimal Classification Subject Areas > 000 Karya Umum Dewey decimal Classification Subject Areas > 000 Karya Umum Dewey decimal Classification Subject Areas > 000 Karya Umum > 000-009 Ilmu Umum dan Komputer Dewey decimal Classification Subject Areas > 000 Karya Umum > 000-009 Ilmu Umum dan Komputer
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	Unnamed user with username AdminPustaka
Date Deposited:	27 Dec 2021 03:11
Last Modified:	27 Dec 2021 03:11
URI:	http://repository.upp.ac.id/id/eprint/855

Actions (login required)

View Item