Alfarizy, Daroqutnie (2024) Deteksi Kematangan Buah Melon (Cucumis melo L.) Menggunakan Convolutional Neural Network. Undergraduate thesis, Politeknik Negeri Jember.
![[img]](https://sipora.polije.ac.id/style/images/fileicons/text.png) |
Text (Abstract)
Abstract.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (19kB) |
|
Text (Bab 1 Pendahuluan)
Bab 1 Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (87kB) |
|
Text (Daftar Pustaka)
Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (133kB) |
|
Text (Laporan Lengkap)
LAPORAN LENGKAP.pdf - Submitted Version Restricted to Registered users only Download (1MB) | Request a copy |
Abstract
Deteksi kematangan buah melon (Cucumis melo L.) merupakan langkah penting dalam memastikan kualitas buah sebelum dipasarkan. Penentuan kematangan yang tepat dapat meningkatkan kepuasan konsumen dan mengurangi kerugian yang disebabkan oleh buah yang belum matang atau terlalu matang. Penelitian ini bertujuan untuk mengembangkan model deteksi kematangan buah melon menggunakan Convolutional Neural Network (CNN), sebuah metode deep learning yang efektif dalam analisis citra. Dalam penelitian ini, data citra buah melon dikumpulkan dan diberi label berdasarkan tingkat kematangan: mentah, matang, dan terlalu matang dengan total dataset yang digunakan 295 dataset. Model CNN dibangun dan dilatih menggunakan dataset tersebut dengan learning rate 0.001 untuk mengidentifikasi fitur visual yang terkait dengan kematangan buah. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mengklasifikasikan kematangan buah melon dengan akurasi yang tinggi yaitu 90%. Model ini diharapkan dapat digunakan sebagai alat bantu dalam industri pertanian untuk mendeteksi kematangan buah secara otomatis dan efisien, serta mengurangi ketergantungan pada penilaian manusia yang subyektif.
Actions (login required)
 |
View Item |
