PERBANDINGAN BEBERAPA ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA BUA SEGAR DAN BUSUK MENGGUNAKAN MOBILENETV2 RESIDUAL NEURAL NETWORK-18 (RESNET-18) DAN VISUAL GEOMETRY GROUP 19 (VGG-19)

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

TEXT

PERBANDINGAN BEBERAPA ARSITEKTUR CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI CITRA BUA SEGAR DAN BUSUK MENGGUNAKAN MOBILENETV2 RESIDUAL NEURAL NETWORK-18 (RESNET-18) DAN VISUAL GEOMETRY GROUP 19 (VGG-19)

HANDI FIRSTYANANDA R. WIBOWO - Nama Orang;

ABSTRAK - Pemborosan makanan merupakan isu global yang berdampak signifikan pada ekonomi, sosial, dan lingkungan. Teknologi Artificial Intelligence (AI), khususnya dalam bidang Computer Vision, menawarkan solusi untuk mendeteksi dan mengurangi pemborosan makanan melalui klasifikasi kualitas produk pangan secara otomatis. Penelitian ini bertujuan untuk membandingkan kinerja tiga arsitektur Convolutional Neural Networks (CNN), yaitu MobileNetV2, ResNet-18, dan VGG19, dalam klasifikasi citra buah segar dan busuk. Masing-masing arsitektur diuji dengan menggunakan dataset yang terdiri dari enam kelas buah, yakni Fresh Apples, Fresh Bananas, Fresh Oranges, Rotten Apples, Rotten Bananas, dan Rotten Oranges. Model diuji berdasarkan metrik akurasi, presisi, recall, dan F1-score untuk mengevaluasi performa klasifikasi, serta efisiensi komputasi dalam hal waktu pelatihan dan penggunaan sumber daya. Hasil dari penelitian ini diharapkan dapat memberikan wawasan mengenai arsitektur CNN yang paling efektif dan efisien untuk aplikasi klasifikasi buah, yang dapat diterapkan dalam industri pengelolaan kualitas pangan dan pengurangan pemborosan makanan. Teknik augmentasi data juga diterapkan untuk meningkatkan generalisasi model pada data nyata. ? Kata kunci : Augmentasi data, Computer vision, Convolutional neural network (CNN), Deep learning, Klasifikasi buah.

Ketersediaan

S06-25041 S06-25041 WIB 2025 Koleksi Skripsi Tersedia

Informasi Detail

Judul Seri: -
No. Panggil: S06-25041 WIB 2025
Penerbit: Surabaya : ITATS., 2025
Deskripsi Fisik: -
Bahasa: Indonesia
ISBN/ISSN: -
Klasifikasi: NONE
Tipe Isi: -
Tipe Media: -
Tipe Pembawa: -
Edisi: -
Subjek: computer vision
Convolutional Neural Network (CNN)
Augmentasi data
Deep learning
Klasifikasi buah
Info Detail Spesifik: NPM : 06.2021.1.07440 Nilai : B+
Pernyataan Tanggungjawab: Pembimbing : Muhammad Kurniawan S.Kom M.Kom

Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas

Tidak Ada Data

Komentar

Anda harus masuk sebelum memberikan komentar