KLASIFIKASI BUAH SEGAR MENGGUNAKAN CONVOLUSIONAL NEURAL NETWORK(CNN)DENGAN MEMAKAI ARSITEKTUR RESNET

Ali, Mahrus (2024) KLASIFIKASI BUAH SEGAR MENGGUNAKAN CONVOLUSIONAL NEURAL NETWORK(CNN)DENGAN MEMAKAI ARSITEKTUR RESNET. Other thesis, UNIVERSITAS NURUL JADID.

Text Skripsi_2021400069_Mahrus Ali_IF.pdf Restricted to Registered users only Download (5MB)

Abstract

Ali, Mahrus. 2024. Klasifikasi Buah Segar Menggunakan Convolutional Neural Network. Skripsi, Prodi Informatika, Fakultas Teknik, Universitas Nurul Jadid Paiton Probolinggo. Pembimbing: (I) Kamil Malik, M.Kom., (II) Fathorazi Nur Fajri, M.Kom.

Kata Kunci: Klasifikasi, Buah, CNN, Framework Flask, Deep Learning, ResNet.

Buah apel, jeruk, dan pisang merupakan jenis buah segar yang umum dijumpai namun memiliki karakteristik visual yang beragam, sehingga diperlukan sistem yang mampu membedakan ketiga jenis buah tersebut secara cepat dan akurat berdasarkan citra digital. Penelitian ini bertujuan untuk mengimplementasikan metode Deep Learning menggunakan algoritma Convolutional Neural Network (CNN) dengan arsitektur ResNet untuk klasifikasi jenis buah. Arsitektur ResNet dipilih karena kemampuannya yang superior dalam mengatasi masalah degradasi pada jaringan saraf yang sangat dalam, sehingga efektif dalam menangani data citra yang kompleks. Metodologi penelitian ini dimulai dari studi literatur, identifikasi masalah, pengumpulan data citra buah, tahap preprocessing, klasifikasi menggunakan model ResNet, hingga pengujian sistem. Model yang dikembangkan diintegrasikan ke dalam framework Flask untuk memfasilitasi antarmuka pengguna. Hasil penelitian menunjukkan bahwa model CNN dengan arsitektur ResNet berhasil mengklasifikasikan apel, jeruk, dan pisang dengan tingkat akurasi yang sangat memuaskan, yakni mencapai 99,22%. Capaian ini mengindikasikan efektivitas metode ResNet dalam mengenali objek berdasarkan citra digital dan membuka peluang pengembangan lebih lanjut untuk klasifikasi objek pada sektor pertanian dan perdagangan buah secara lebih luas.

Item Type:	Thesis (Other)
Subjects:	L Education > L Education (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > S1 Teknik Informatika
Depositing User:	Saiful Ghazi
Date Deposited:	20 Apr 2026 05:03
Last Modified:	20 Apr 2026 05:03
URI:	https://repository.unuja.ac.id/id/eprint/2959

Actions (login required)

View Item