IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK MEMPREDIKSI KEMATANGAN PADA BUAH MELON

Mahmud, Azkiya' (2021) IMPLEMENTASI ALGORITMA CONVOLUTIONAL NEURAL NETWORK UNTUK MEMPREDIKSI KEMATANGAN PADA BUAH MELON. Skripsi (S1) thesis, Universitas Muhammadiyah Ponorogo.

	Text (Surat Persetujuan Unggah Karya Ilmiah) Surat Keputusan unggah karya ilmiah.pdf Download (269kB)
	Text (BAB I) BAB I.pdf Download (267kB)
	Text (BAB II) BAB II.pdf Download (881kB)
	Text (BAB III) BAB III.pdf Restricted to Repository staff only Download (714kB)
	Text (BAB IV) BAB IV.pdf Restricted to Repository staff only Download (812kB)
	Text (BAB V) BAB V.pdf Restricted to Repository staff only Download (258kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf Download (365kB)
	Text (Lampiran) Lampiran.pdf Download (16MB)
	Text (Halaman Depan) Halaman Depan.pdf Download (1MB)

Abstract

Buah melon merupakan jenis buah-buahan yang menjadi kebutuhan pokok manusia dalam mencukupi gizi pada tubuh manusia. Khususnya di Indonesia sangat banyak di jumpai buah melon dengan jenis Sky Rocket. Kematangan buah melon menjadi suatu hal yang sangat diperhatikan dalam penentu proses saat panen. Kerana buah melon termasuk kedalam jenis buah non-klimakterik, maka buah melon harus dipanen dalam kondisi matang. Banyak para petani melakukan pemanenan buah melon secara bersamaan, yang menyebabkan tingkat kematangan buah melon berbeda. Karena pada dasarnya, setiap tanaman melon dapat menumbuhkan 4 hingga 5 buah melon, sehingga banyak perbedaan tingkat kematangan. Oleh sebab itu, dibutuhkan suatu pendekatan kususnya bidang teknologi yang mampu menyelesaikan permalahan tersebut. Salah satu pendekatan untuk pengidentifikasian menggunakan gambar dengan metode Convolutional Neural Network. dimana metode ini merupakan pengembangan dari metode Deep Learning, dalam mengidentifikasi dan mengklasifikasikan sebuah objek citra digital. Dari hasil perancangan program arsitektur CNN menggunakan bahasa python memakai library tensorflow. Dari hasil identifikasi kematangan buah melon didapatkan tingkat akurasi sebesar 99% data training, dan 99% dari data testing. Setelah peneliti melakukan uju coba menggunakan data baru sebanyak 150 gambar, didapatkan tingkat akurasi sebesar 52%. Dari berbagai percobaan yang telah peneliti lakukan, performa dari model yang telah dibuat cukup optimal dalam mengidentifikasi kematangan buah melon.

Kata Kunci :Sky Rocket, Deep Learning, Python, Citra digital, Tensorflow

Item Type:	Thesis (Skripsi (S1))
Uncontrolled Keywords:	Sky Rocket, Deep Learning, Python, Citra Digital, Tensorflow
Subjects:	T Technology > TK Electrical engineering. Electronics Nuclear engineering
Divisions:	Faculty of Engineering > Department of Informatic Engineering
Depositing User:	ft . userft
Date Deposited:	01 Sep 2021 02:00
Last Modified:	26 Oct 2021 02:24
URI:	https://eprints.umpo.ac.id/id/eprint/7314

Actions (login required)

View Item