PERPUSTAKAAN ITATS

  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Pengunjung
  • Masuk Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
No image available for this title

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
S06-25041S06-25041 WIB 2025Koleksi SkripsiTersedia
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

PERPUSTAKAAN ITATS
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

Perpustakaan pusat ITATS pada tahun akademik 2003/2004 tercatat memiliki koleksi buku sebanyak 19.165 judul atau 38.043 eksemplar. Koleksi terdiri dari buku teks, referensi, tugas mahasiswa (skripsi, kerja praktik, dan lain-lain), serta terbitan berkala (majalah, surat kabar, dan jurnal ilmiah).

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2025 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik