Anatya, Selly (2020) Aplikasi Pembelajaran Tingkat Kematangan Buah berdasarkan Jenis Buah dengan Metode Convolutional Neural Networks. Skripsi thesis, Universitas Tarumanagara.
Text
535160053_Selly Anatya_01 Cover.pdf Download (143kB) |
|
Text
535160053_Selly Anatya_02 Lembar Pengesahan.pdf Download (160kB) |
|
Text
535160053_Selly Anatya_03 Lembar Pernyataan.pdf Download (40kB) |
|
Text
535160053_Selly Anatya_04 Abstrak.pdf Download (68kB) |
|
Text
535160053_Selly Anatya_05 Kata Pengantar.pdf Download (69kB) |
|
Text
535160053_Selly Anatya_06 Daftar Isi, Tabel, Gambar, Lampiran.pdf Download (108kB) |
|
Text
535160053_Selly Anatya_07 Bab 1.pdf Restricted to Registered users only Download (676kB) |
|
Text
535160053_Selly Anatya_08 Bab 2.pdf Restricted to Registered users only Download (1MB) |
|
Text
535160053_Selly Anatya_09 Bab 3.pdf Restricted to Registered users only Download (1MB) |
|
Text
535160053_Selly Anatya_10 Bab 4.pdf Restricted to Registered users only Download (892kB) |
|
Text
535160053_Selly Anatya_11 Bab 5.pdf Restricted to Registered users only Download (64kB) |
|
Text
535160053_Selly Anatya_12 Daftar Pustaka.pdf Download (70kB) |
|
Text
535160053_Selly Anatya_14 Daftar Riwayat Hidup.pdf Restricted to Registered users only Download (49kB) |
|
Text
535160053_Selly Anatya_13 Lampiran.pdf Restricted to Registered users only Download (45MB) |
Abstract
Kesulitan dalam mencari informasi tentang tingkat kematangan berdasarkan jenis buah menggunakan data tekstual, membuat sistem pencarian dengan menggunakan citra sebagai kueri dibutuhkan. Hal inilah yang mendorong pembuatan aplikasi pembelajaran tingkat kematangan buah berdasarkan jenis buah dengan menggunakan konsep Content-Based Image Retrieval (CBIR). Sistem CBIR akan mencari dan menampilkan kembali citracitra yang relevan berdasarkan ciri visual yang dimiliki citra kueri. Citra terbagi atas 5 kelas besar, yaitu Belimbing, Mangga, Melon, Pisang dan Tomat. Kelas besar terbagi dalam 52 subkelas yang terdiri atas jenis dan tingkat kematangan buah dengan jumlah data latih sebanyak 5030 citra. Metode yang digunakan untuk melakukan klasifikasi dan ekstraksi fitur pada citra adalah Convolutional Neural Network (CNN). Hasil ekstraksi fitur citra yang berupa vektor ciri kemudian akan digunakan untuk menghitung jarak kemiripan antara citra basis data dan citra kueri dengan menggunakan metode Euclidean Distance. Data citra yang digunakan untuk melakukan retrieval adalah data latih berdasarkan kelas besar. Hasil pengujian klasifikasi terhadap data validasi yang berjumlah 1294 citra memiliki nilai akurasi sebesar 61%, precision sebesar 69%, recall sebesar 59% dan f1-score sebesar 58%. Hasil pengujian retrieval terhadap 50 citra memiliki nilai precision sebesar 88.93% dan recall sebesar 27.25%. Model CNN cukup baik dalam melakukan klasifikasi terhadap kelas besar, namun masih kurang baik dalam melakukan klasifikasi terhadap subkelasnya. Kata Kunci: Content-Based Image Retrieval, Convolutional Neural Network, Deep Learning, Euclidean Distance, Kematangan Buah
Item Type: | Thesis (Skripsi) |
---|---|
Uncontrolled Keywords: | Content-Based Image Retrieval, Convolutional Neural Network, Deep Learning, Euclidean Distance, Kematangan Buah |
Subjects: | Skripsi/Tugas Akhir Skripsi/Tugas Akhir > Fakultas Teknologi Informasi |
Divisions: | Fakultas Teknologi Informasi > Teknik Informatika |
Depositing User: | TDI Family perpus |
Date Deposited: | 23 Apr 2021 14:18 |
Last Modified: | 03 Jun 2021 06:44 |
URI: | http://repository.untar.ac.id/id/eprint/19583 |
Actions (login required)
View Item |