• Beranda
  • Website Perpustakaan
  • Panduan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Penanda Bagikan

SKRIPSI DIGITAL

Aplikasi AI Untuk Pengenalan Dan Klasifikasi Cabai Rawit Merah (Capsicum Frutescens L.) Berbasis Citra Digital Dengan Pendekatan Machine Learning = AI Application for Recognition and Classification of Red Cayenne Pepper (Capsicum Frutescens L.) Based on Digital Images Using a Machine Learning Approach

AJENG MUTIARA CHARISMA - Nama Orang; TRI Raharjo Yudantoro - Nama Orang; PRAYITNO - Nama Orang;

Cabai rawit merah (Capsicum frutesclens L.), sebagai salah satu komoditas pangan utama, memiliki peran krusial dalam berbagai aspek kuliner, termasuk di Indonesia. Dalam klasifikasi cabai rawit merah (Capsicum frutescens L.) yang berkualitas baik, petani melakukan secara manual dengan pengolahan cabai kering dilakukan pengeringan pada terik matahari, namun sering terjadi kesalahan dalam menentukan cabai rawit merah yang kering sehingga mempengaruhi kualitas.
Penelitian ini bertujuan untuk melakukan penerapan teknologi kecerdasan buatan (AI) dengan pendekatan machine learning yang memiliki potensi untuk mengoptimalkan proses pengenalan dan klasifikasi cabai rawit merah (Capsicum frutescens L.) dengan cepat dan akurat, sehingga dapat menghasilkan cabai rawit merah yang berkualitas baik untuk menunjang harga cabai.
Penelitian ini menggunakan data yang dihasilkan dari observasi setelah itu diolah melalui berbagai tahap seperti persiapan data, pembuatan model, pelatihan, dan evaluasi hasil error. Hasil penelitian menunjukkan diantara kelima model MobileNetV2, InceptionV3, NasNetMobile, ResNet dan EffecientNetB0 yang memiliki akurasi paling tinggi untuk klasifikasi cabai rawit merah dengan kategori cabai segar dan cabai kering yaitu metode MobileNetV2 dengan akurasi sebesar 93% performa model yang digunakan untuk mengklasifikasi cabai rawit merah dengan pendekatan hibrid MobileNetV2 dan Random Forest telah mencapai akurasi sebesar 99%. Implementasi pada penelitian ini yaitu aplikasi AI berbasis Android yang memudahkan petani untuk mengklasifikasikan cabai rawit merah yang berkualitas segar dan cabai rawit merah yang sudah kering dengan maksimal sebelum cabai didistribusikan .

Kata kunci : Deep Learning, CNN, Cabai Rawit Merah, Agroteknologi, Klasifikasi, MobileNetV2, Machine Learning.


Fulltext
  • Harap masuk untuk melihat lampiran
Informasi Detail
Judul Seri
-
No. Panggil
RK 0021 2024
Penerbit
Semarang : Politeknik Negeri Semarang., 2024
Deskripsi Fisik
xiv, 89 hal: ilus; 30 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
text
Tipe Media
computer
Tipe Pembawa
online resource
Edisi
-
Subjek
REKAYASA KOMPUTER
Info Detail Spesifik
-
Pernyataan Tanggungjawab
AJENG MUTIARA CHARISMA
Versi lain/terkait

Tidak tersedia versi lain

Komentar

Anda harus masuk sebelum memberikan komentar

  • Panduan
  • Area Anggota

Tentang Kami

Si-Repo adalah platform digital yang dikelola oleh UPA Perpustakaan Politeknik Negeri Semarang, menyimpan karya ilmiah seperti Tugas Akhir, Skripsi, dan Tesis dari sivitas akademika Polines, untuk mendukung kebutuhan akademik, penelitian, dan pengembangan.

Pengunjung Web

Hari ini : Minggu ini : Bulan ini : Total :

© 2025 — Perpustakaan Politeknik Negeri Semarang

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?