Rancang Bangun Aplikasi Klasifikasi Kematangan Pisang dengan Depthwise Separable Convolution

Fernando, Edho (2019) Rancang Bangun Aplikasi Klasifikasi Kematangan Pisang dengan Depthwise Separable Convolution. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	Text HALAMAN_AWAL (15).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
	Text DAFTAR_PUSTAKA (12).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (906kB)
	Text BAB_I (17).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (575kB)
	Text BAB_II (15).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
	Text BAB_III (14).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
	Text BAB_IV (13).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)
	Text BAB_V (14).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (904kB)
	Text LAMPIRAN (15).pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB)

Abstract

Produksi pisang di Indonesia sangat banyak dan dapat menekan angka impor pisang serta dapat meningkatkan ekspor pisang. Menurut data dari Badan Pusat Statistik, Lampung menghasilkan 1.937.349 ton pada tahun 2015, dan Jawa Timur menghasilkan produksi pisang tertinggi dari tahun 2016 hingga 2017 dengan hasil 1.960.129 ton pada 2017. Data untuk konsumsi pisang di Indonesia menurut Kementerian Pertanian menunjukkan konsumsi pisang dalam lima tahun terakhir selalu menempati posisi tertinggi dari jenis buah lain, pada tahun 2013 konsumsi pisang mencapai 5,68 kilogram per kapita per tahun. Pisang tergolong buah klimakterik memiliki tingkat perubahan yang cepat pada proses pematangan, perubahan biologis yang dapat dilihat yaitu pada kulit pisang mengalami perubahan warna dari berwarna hijau hingga berwarna hitam. Dengan memanfaatkan teknologi Tingkat kematangan dapat diklasifikasikan menggunakan teknik pengolahan citra digital dan deep learning sehingga memiliki tingkat akurasi yang lebih baik, cepat dan efektif dengan kebutuhan komputasi sekecil mungkin. Penelitian ini membuat aplikasi yang dapat mengklasifikasi tingkat kematangan pisang dengan cara memfoto pisang dengan perangkat smartphone. Model jaringan dibuat dengan menggunakan Depthwise Separable Convolution sehingga tidak memerlukan kebutuhan komputasi yang besar pada perangkat mobile. Hasil dari pengujian didapat nilai akurasi 0,91 dalam mengklasifikasi tingkat kematangan pisang.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	pisang, MobileNet, image classification, Depthwise Separable Convolution
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.3 Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining
Divisions:	Faculty of Engineering & Informatics > Computer Engineering
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	04 Dec 2019 03:49
Last Modified:	29 May 2023 07:59
URI:	https://kc.umn.ac.id/id/eprint/10918

Actions (login required)

View Item