Implementasi Deep Learning untuk Klasifikasi Kematangan dan Kualitas Tomat Menggunakan Convolutional Neural Network (CNN) dan Model Arsitektur MobileNetV2

Suhartono, Bagus Haris (2025) Implementasi Deep Learning untuk Klasifikasi Kematangan dan Kualitas Tomat Menggunakan Convolutional Neural Network (CNN) dan Model Arsitektur MobileNetV2. Undergraduate thesis, Politeknik Negeri Jember.

	Text (Abstrak) Abstrak.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (229kB)
	Text (Bab 1 Pendahuluan) Bab 1 Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (660kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (580kB)
	Text (Laporan Lengkap) Laporan Lengkap.pdf - Submitted Version Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Kualitas dan tingkat kematangan tomat menjadi faktor penting dalam industri pertanian karena berpengaruh langsung terhadap nilai jual dan potensi kerugian. Proses identifikasi kematangan tomat yang masih dilakukan secara manual rentan terhadap ketidakkonsistenan dan kesalahan dalam klasifikasi. Tomat memiliki ciri visual seperti warna kulit, tekstur permukaan, dan bentuk yang dapat dimanfaatkan sebagai parameter dalam proses identifikasi kematangan dan kualitas. Parameter-parameter tersebut dapat dianalisis menggunakan pendekatan pembelajaran Machine Learning, khususnya pada permasalahan klasifikasi citra. Dalam penelitian ini, digunakan metode Deep Learning dengan arsitektur Convolutional Neural Network (CNN) yang dioptimalkan menggunakan model MobileNetV2 karena memiliki kinerja yang baik dalam klasifikasi objek dengan efisiensi tinggi. Dataset terdiri dari 12.000 citra tomat. Seluruh data melalui tahap preprocessing, augmentasi, dan pelatihan menggunakan framework TensorFlow. Hasil penelitian menunjukkan bahwa dengan metode CNN dan model MobileNetV2 diperoleh tingkat akurasi hingga 99,78% dalam mengklasifikasikan kematangan dan kualitas tomat yang diimplementasikan dalam bentuk aplikasi berbasis website. Kata kunci: Deep Learning, Machine Learning (ML), Convolutional Neural Network (CNN), MobileNetV2, Klasifikasi Kematangan Tomat.

Actions (login required)

View Item