DETEKSI TINGKAT KEMATANGAN BUAH SEMANGKA MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)

Prasetyo, DIki (2026) DETEKSI TINGKAT KEMATANGAN BUAH SEMANGKA MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN). Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_55201_2113020037.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (2MB) | Request a copy
	Text (Similarity) RAMA_55201_2113020037_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (964kB)
	Text (Cover sd BAB 1 + References) RAMA_55201_2113020037_0707079001_0701107802_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (1MB)
	Text (BAB 2) RAMA_55201_2113020037_0707079001_0701107802_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (504kB) | Request a copy
	Text (BAB 3) RAMA_55201_2113020037_0707079001_0701107802_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (688kB) | Request a copy
	Text (BAB 4) RAMA_55201_2113020037_0707079001_0701107802_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (881kB) | Request a copy
	Text (BAB 5) RAMA_55201_2113020037_0707079001_0701107802_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (259kB) | Request a copy
	Text (References) RAMA_55201_2113020037_0707079001_0701107802_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (231kB)
	Text (LAMPIRAN) RAMA_55201_2113020037_0707079001_0701107802_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Identifikasi tingkat kematangan semangka secara konvensional masih bergantung pada subjektivitas petani, melalui estimasi usia tanam dan teknik ketukan manual. Penelitian ini bertujuan menguji efektivitas algoritma Convolutional Neural Network (CNN) dengan arsitektur ResNet-50 dalam mengklasifikasikan kematangan semangka berdasarkan citra digital warna kulit yang diimplementasikan pada sistem berbasis website. ResNet-50 mengekstraksi fitur visual penting, seperti tekstur, pola garis, dan distribusi warna. Pendekatan ini memungkinkan model mempertahankan akurasi tinggi serta tetap andal meskipun citra diambil dari sudut pandang yang berbeda. Metodologi penelitian melibatkan evaluasi komparatif antara dua skenario untuk menganalisis dampak penambahan data dan optimalisasi hyperparameter terhadap stabilitas model. Hasil penelitian menunjukkan bahwa penggunaan dataset awal sebanyak 222 citra pada Skenario 1 menghasilkan performa yang tidak stabil dengan fluktuasi akurasi validasi yang tajam. Namun, melalui strategi data-centric dengan menambahkan 111 citra baru dan meningkatkan durasi pelatihan hingga 70 epoch pada Skenario 2, model berhasil mencapai stabilitas pelatihan dengan akurasi validasi sebesar 90%. Evaluasi menggunakan Confusion Matrix membuktikan keandalan sistem dalam mengenali kategori "Matang" dengan nilai recall sempurna sebesar 100% dan akurasi keseluruhan mencapai 90,9%.

Actions (login required)

View Item