KLASIFIKASI CITRA PADA TINGKAT KEMATANGAN BUAH PISANG MENGGUNAKAN ALGORITMA DEEP LEARNING DENGAN METODE SOM

ARJUN, ALFATH (2024) KLASIFIKASI CITRA PADA TINGKAT KEMATANGAN BUAH PISANG MENGGUNAKAN ALGORITMA DEEP LEARNING DENGAN METODE SOM. S1 thesis, Universitas Mercu Buana Jakarta.

	Text (HAL COVER) 01 Cover.pdf Download (358kB)
	Text (ABSTRAK) 02 Abstrak.pdf Download (29kB)
	Text (BAB I) 03 Bab 1.pdf Restricted to Registered users only Download (120kB)
	Text (BAB II) 04 Bab 2.pdf Restricted to Registered users only Download (407kB)
	Text (BAB III) 05 Bab 3.pdf Restricted to Registered users only Download (79kB)
	Text (BAB IV) 06 Bab 4.pdf Restricted to Registered users only Download (870kB)
	Text (BAB V) 07 Bab 5.pdf Restricted to Registered users only Download (110kB)
	Text (DAFTAR PUSTAKA) 08 Daftar Pustaka.pdf Restricted to Registered users only Download (96kB)
	Text (LAMPIRAN) 09 Lampiran.pdf Restricted to Registered users only Download (662kB)

Abstract

This research aims to classify images to predict banana ripeness based on skin color features using a deep learning algorithm method. The research method used is a quantitative approach, where the population in this study is by collecting data by downloading datasets from Kaggle, dataset taken is in the form of 1000 images of all types of bananas to carry out the cleaning process process by determining the types of golden bananas, plantains, barragan bananas, horn bananas, and kepok bananas which produce 200 images of bananas, namely 100 images of ripe bananas &and 100 images of unripe bananas.The sample selection technique uses classified images through the pre-processing stage, the tomato fruit image will be divided into 2 methods for testing the Self- Organizing Maps Algorithm model, namely 80% training data and 20% testing data. Keywords: image classification, deep learning algorithm, and banana ripeness Tujuan dari penelitian ini adalah untuk mengklasifikasikan citra untuk memprediksi kematangan buah pisang berdasarkan fitur warna kulit melalui metode algoritma deep learning. Metode penelitian yang digunakan adalah pendekatan kuantitatif, di mana populasi dalam penelitian ini adalah dengan melakukan pengumpulan data dengan mengunduh dataset dari Kaggle, dataset yang di ambil berupa 1000 citra seluruh jenis buah pisang untuk melakukan proses cleaning dengan menentukan jenis pisang mas, pisang raja, pisang baragan, pisang tanduk, dan pisang kepok yang menghasilkan 200 citra buah pisang, yaitu 100 citra buah pisang matang & 100 citra buah pisang mentah. Teknik pemilihan sampel melalui citra terklasifikasi melalui tahap pre-processing, citra buah tomat akan dibagi ke dalam 2 metode untuk pengujian model Algoritma Self-Organizing Maps, yaitu data training sebesar 80% dan data testing sebesar 20%. Kata kunci: klasifikasi citra, algoritma deep learning dan kematangan buah pisang

Item Type:	Thesis (S1)
Call Number CD:	FIK/INFO. 24 003
Call Number:	SIK/15/24/003
NIM/NIDN Creators:	41519010048
Uncontrolled Keywords:	klasifikasi citra, algoritma deep learning dan kematangan buah pisang
Subjects:	100 Philosophy and Psychology/Filsafat dan Psikologi > 150 Psychology/Psikologi > 153 Conscious Mental Process and Intelligence/Intelegensia, Kecerdasan Proses Intelektual dan Mental > 153.1 Memory and Learning/Memori dan Pembelajaran > 153.15 Learning/Pembelajaran 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma 700 Arts/Seni, Seni Rupa, Kesenian > 750 Painting and Paintings/Seni Lukis dan Lukisan > 751 Techniques and Procedures/Teknik Seni Lukis dan Lukisan, Prosedur Seni Lukis dan Lukisan > 751.4 Techniques and Procedures/Teknik dan Prosedur > 751.49 Other Methods/Metode Lainnya
Divisions:	Fakultas Ilmu Komputer > Informatika
Depositing User:	khalimah
Date Deposited:	11 Jan 2024 02:25
Last Modified:	11 Jan 2024 02:25
URI:	http://repository.mercubuana.ac.id/id/eprint/85232

Actions (login required)

View Item