IMPLEMENTASI CNN VGG19 UNTUK KLASIFIKASI TINGKAT KEMATANGAN PISANG

Cahyo, Gilang Dwi (2025) IMPLEMENTASI CNN VGG19 UNTUK KLASIFIKASI TINGKAT KEMATANGAN PISANG. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

[img] Text (Full text)
RAMA_55201_2113020097.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (6MB) | Request a copy
[img] Text (Similarity)
RAMA_55201_2113020097_SIMILARITY.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (964kB)
[img] Text (Cover sd BAB 1 + References)
RAMA_55201_2113020097_0721058902_0704108701_01_front_ref.pdf - Accepted Version
Available under License Creative Commons Public Domain Dedication.

Download (641kB)
[img] Text (BAB 2)
RAMA_55201_2113020097_0721058902_0704108701_02.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (358kB) | Request a copy
[img] Text (BAB 3)
RAMA_55201_2113020097_0721058902_0704108701_03.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (288kB) | Request a copy
[img] Text (BAB 4)
RAMA_55201_2113020097_0721058902_0704108701_04.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (412kB) | Request a copy
[img] Text (BAB 5)
RAMA_55201_2113020097_0721058902_0704108701_05.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (181kB) | Request a copy
[img] Text (References)
RAMA_55201_2113020097_0721058902_0704108701_06_ref.pdf - Bibliography
Available under License Creative Commons Public Domain Dedication.

Download (208kB)
[img] Text (Lampiran)
RAMA_55201_2113020097_0721058902_0704108701_07_lamp.pdf - Accepted Version
Restricted to Registered users only
Available under License Creative Commons Public Domain Dedication.

Download (1MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi tingkat kematangan buah pisang berbasis Convolutional Neural Network (CNN) dengan arsitektur VGG19. Model CNN VGG19 dipilih karena kemampuannya dalam mengekstraksi fitur visual dan memberikan akurasi tinggi dalam klasifikasi citra. Penelitian ini menggunakan dataset sebanyak 13.478 gambar pisang yang terbagi dalam empat kelas kematangan, yaitu mentah, matang, terlalu matang, dan busuk. Sistem dikembangkan dan diimplementasikan ke dalam aplikasi web menggunakan framework Streamlit, sehingga pengguna dapat mengunggah gambar dan langsung mendapatkan hasil klasifikasi secara real-time. Hasil pelatihan menunjukkan akurasi validasi sebesar 99,29%. Evaluasi sistem dilakukan melalui pengujian fungsional (white-box dan black-box) serta non-fungsional yang menunjukkan performa sistem berjalan sesuai harapan, cepat, dan stabil. Sistem ini diharapkan dapat membantu proses pemilahan pascapanen secara otomatis dan efisien dalam industri pertanian

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: CNN, VGG19, Klasifikasi Gambar, Tingkat Kematangan Pisang, Streamlit
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: Gilang Dwi Cahyo
Last Modified: 06 Aug 2025 17:21
URI: http://repository.unpkediri.ac.id/id/eprint/19389

Actions (login required)

View Item View Item