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.

	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
	Text (Similarity) RAMA_55201_2113020097_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (964kB)
	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)
	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
	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
	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
	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
	Text (References) RAMA_55201_2113020097_0721058902_0704108701_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (208kB)
	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

Actions (login required)

View Item