Prasetya, Ahmad Edzam (2025) Klasifikasi Tingkat Kesegaran Buah Jeruk Berdasarkan Warna dan Tekstur menggunakan Metode CNN. 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 (244kB) |
|
Text (Bab 1 Pendahuluan)
Bab 1 Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (232kB) |
|
Text (Daftar Pustaka)
Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (222kB) |
|
Text (Laporan Lengkap)
Laporan Lengkap.pdf - Submitted Version Restricted to Registered users only Download (2MB) | Request a copy |
Abstract
Penelitian ini bertujuan mengembangkan sistem klasifikasi tingkat kesegaran buah jeruk Sunkist berdasarkan fitur warna dan tekstur menggunakan metode Convolutional Neural Network (CNN). Sistem memanfaatkan ekstraksi fitur warna RGB dan tekstur Gray Level Co-Occurrence Matrix (GLCM) untuk membedakan buah jeruk segar dan busuk. Dataset terdiri dari 950 citra buah jeruk yang bersumber dari Kaggle, dengan 900 citra untuk pelatihan (450 segar dan 450 busuk) dan 50 citra untuk pengujian. Proses pengolahan citra mencakup tahap preprocessing, ekstraksi fitur, pelatihan model CNN, dan pengembangan aplikasi mobile berbasis framework Flutter. Pengujian sistem dilakukan menggunakan metode blackbox testing. Hasil pelatihan model pada 15 epoch mencapai akurasi 97,72%, sedangkan pengujian pada data uji menghasilkan akurasi 96%, presisi 100%, dan recall 92,59%. Penelitian ini menunjukkan efektivitas metode CNN dalam klasifikasi kesegaran buah jeruk, meskipun memiliki keterbatasan dalam mendeteksi citra dengan latar belakang kompleks dan variasi dataset yang terbatas. Penelitian ini diharapkan dapat membantu petani dan masyarakat dalam mengklasifikasikan kesegaran buah jeruk secara cepat dan akurat.
| Item Type: | Thesis (Undergraduate) | ||||||
|---|---|---|---|---|---|---|---|
| Contributors: |
|
||||||
| Uncontrolled Keywords: | Klasifikasi Kesegaran Jeruk, Convolutional Neural Network (CNN), Framework Flutter, Aplikasi Mobile | ||||||
| Subjects: | 410 - Rumpun Ilmu Teknik > 450 - Teknik Elektro dan Informatika > 458 - Teknik Informatika | ||||||
| Divisions: | Jurusan Teknologi Informasi > Prodi D4 Teknik Informatika > Tugas Akhir | ||||||
| Depositing User: | Ahmad Edzam Prasetya | ||||||
| Date Deposited: | 12 Jun 2025 02:03 | ||||||
| Last Modified: | 12 Jun 2025 02:04 | ||||||
| URI: | https://sipora.polije.ac.id/id/eprint/41731 |
Actions (login required)
 |
View Item |
