Klasifikasi kualitas bawang merah menggunakan metode Convolutional Neural Network

Saphira, Bella (2023) Klasifikasi kualitas bawang merah menggunakan metode Convolutional Neural Network. S1 thesis, Universitas Ahmad Dahlan.

	Text (JUDUL) T1_1900018214_JUDUL__231201111641.pdf Download (2MB)
	Text (BAB I) T1_1900018214_BAB_I__231201111641.pdf Download (218kB)
	Text (BAB II) T1_1900018214_BAB_II__231201111641.pdf Restricted to Registered users only Download (568kB) | Request a copy
	Text (BAB III) T1_1900018214_BAB_III__231201111641.pdf Restricted to Registered users only Download (336kB) | Request a copy
	Text (BAB IV) T1_1900018214_BAB_IV__231201111641.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) T1_1900018214_BAB_V__231201111641.pdf Restricted to Registered users only Download (198kB) | Request a copy
	Text (Daftar Pustaka) T1_1900018214_DAFTAR_PUSTAKA__231201111641.pdf Restricted to Registered users only Download (207kB) | Request a copy
	Text (Lampiran) T1_1900018214_LAMPIRAN__231201111641.pdf Restricted to Registered users only Download (379kB) | Request a copy

Abstract

Bawang merah adalah salah satu jenis tanaman hortikultura yang termasuk dalam kategori tanaman semusim dan memiliki umbi dengan lapisan-lapisan. Produksi bawang merah tersebar hampir di seluruh provinsi di Indonesia. Daerah yang merupakan produsen utama bawang merah adalah Kabupaten Brebes, terutama di Kecamatan Larangan. Harga bawang merah fluktuatif dan kualitas bawang merah berpengaruh pada harga yang ditawarkan. Maka dari itu, perlu adanya pengelompokan bawang merah berdasarkan kualitasnya agar dapat membantu para petani mendapatkan harga yang tinggi. Klasifikasi dilakukan dengan mengelompokkan dalam tiga kelas, yaitu kualitas baik, sedang, dan buruk. Pada penelitian ini, metode yang digunakan yaitu Convolutional Neural Network (CNN) dengan menerapkan Arsitektur Visual Geometry Group 16 (VGG-16). VGG-16 merupakan arsitektur jaringan saraf konvolusi yang terdiri dari 16 lapisan yang saling terhubung. Struktur ini ditandai dengan penggunaan berulang lapisan konvolusi dengan ukuran filter 3 × 3 dan lapisan pooling dengan ukuran 2 × 2 dan menerapkan fungsi aktivasi ReLu dan Softmax. Hasil pengujian dengan Arsitektur VGG-16 menunjukkan bahwa sistem berhasil mencapai akurasi tertinggi sebesar 98%. Pengujian ini dilakukan menggunakan parameter learning rate sebesar 0,0001, batch size 16, dan 30 kali epoch.

Item Type:	Thesis (S1)
Keyword:	Klasifikasi, deep learning, convolutional neural network (CNN), visual geometry group 16 (VGG-16), bawang merah
Subjects:	T Technology > TA Engineering (General). Civil engineering (General)
Divisi / Prodi:	Faculty of Industrial Technology (Fakultas Teknologi Industri) > S1-Informatics Engineering (S1-Teknik Informatika)
Depositing User:	userperpus2 userperpus2
Date Deposited:	22 Oct 2024 02:22
Last Modified:	22 Oct 2024 02:22
URI:	http://eprints.uad.ac.id/id/eprint/76850

Actions (login required)

View Item