KLASIFIKASI VARIETAS MANGGA BERDASARKAN CITRA BUAH MENGGUNAKAN ALGORITMA MOBILENETV2

Gunawan, Toni (2026) KLASIFIKASI VARIETAS MANGGA BERDASARKAN CITRA BUAH MENGGUNAKAN ALGORITMA MOBILENETV2. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

This is the latest version of this item.

[img] Text (Full text)
RAMA_55201_2213020148.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (11MB)
[img] Text (Similarity)
RAMA_55201_2213020148_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (5MB)
[img] Text (Cover sd BAB 1 + References)
RAMA_55201_2213020148_0710018501_0708028704_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (8MB)
[img] Text (BAB 2)
RAMA_55201_2213020148_0710018501_0708028704_02.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (745kB)
[img] Text (BAB 3)
RAMA_55201_2213020148_0710018501_0708028704_03.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (541kB)
[img] Text (BAB 4)
RAMA_55201_2213020148_0710018501_0708028704_04.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (566kB)
[img] Text (BAB 5)
RAMA_55201_2213020148_0710018501_0708028704_05.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (10kB)
[img] Text (References)
RAMA_55201_2213020148_0710018501_0708028704_06_ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (134kB)
[img] Text (Lampiran)
RAMA_55201_2213020148_0710018501_0708028704_07_lamp.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB)

Abstract

Sebagai negara tropis, Indonesia memiliki beragam varietas mangga (Mangifera indica L.) lokal unggul dengan nilai ekonomis dan ciri morfologi buah yang khas. Meskipun dapat dibedakan dari bentuk dan permukaan kulit buahnya, tingginya kemiripan visual pada beberapa varietas membuat proses identifikasi secara manual menjadi sulit dan rentan mengalami kesalahan. Penelitian ini bertujuan untuk merancang dan mengembangkan sistem klasifikasi varietas mangga berbasis citra buah menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2, serta mengimplementasikan model tersebut ke dalam aplikasi mobile berbasis Android. Sistem ini difokuskan untuk mendeteksi empat varietas mangga lokal, yaitu Arumanis, Gedong Gincu, Pakel, dan Manalagi. Proses berjalannya sistem dibagi menjadi dua tahap, yakni deteksi objek untuk memastikan gambar adalah mangga atau non-mangga, yang kemudian dilanjutkan dengan identifikasi varietas mangga. Tahapan penelitian meliputi pengumpulan data, preprocessing citra, pembagian dataset menjadi data latih, validasi, dan uji, pelatihan model menggunakan MobileNetV2, serta proses fine tuning untuk meningkatkan performa klasifikasi. Hasil penelitian menunjukkan model MobileNetv2 mampu mengidentifikasi dan mengklasifikasi varietas mangga dengan baik, di mana model deteksi objek memperoleh akurasi sebesar 88% dan model klasifikasi varietas memperoleh akurasi pengujian sebesar 95%. Pada tahap pengujian menggunakan 25 sampel citra baru, sistem mencapai akurasi sebesar 92% dengan memprediksi 23 data secara tepat. Meskipun mendapatkan akurasi yang tinggi, sistem masih rentan terhadap variasi kondisi pengambilan gambar dan kesulitan membedakan varietas yang secara visual mirip. Hal ini menunjukkan indikasi overfitting ringan karena terbatasnya variasi dataset pelatihan. Sistem yang dikembangkan juga telah berhasil diimplementasikan ke dalam aplikasi mobile yang interaktif dan fungsional, sehingga mampu membantu pengguna mengenali varietas mangga secara otomatis.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Aplikasi Mobile, CNN, Klasifikasi, Mangga, MobileNetV2.
Subjects: 410 Engineering science > 457 Computer engineering
410 Engineering science > 459 Computer science
410 Engineering science > 461 Information systems
Divisions: Fakultas Teknik dan Ilmu Komputer > S1-Teknik Informatika
Depositing User: Toni Gunawan
Last Modified: 21 Aug 2026 08:25
URI: http://repository.unpkediri.ac.id/id/eprint/29230

Available Versions of this Item

Actions (login required)

View Item View Item