SKRIPSI DIGITAL
Hybrid Model Deep Learning-Machine Learning Untuk Klasifikasi Kualitas Cabai Rawit Berdasarkan Tingkat Kekeringan Menggunakan Karakteristik Visual Dari Citra Digital = A Hybrid Deep Learning-Machine Learning Model for Chili Pepper Quality Classification Based on Dryness Level Using Visual Characteristics of Digital Images
Zulfa Nurma Novita Sari, “Hybrid Model Deep Learning-Machine Learning Untuk Klasifikasi Kualitas Cabai Rawit Berdasarkan Tingkat Kekeringan Menggunakan Karakteristik Visual Dari Citra Digital”, Skripsi D-IV Jurusan Teknik Elektro Politeknik Negeri Semarang, di bawah bimbingan Tri Raharjo Yudantoro, S. Kom., M.Kom. dan Dr. Ir. Kurnianingsih, S.T., Agustus 2025, 119 halaman
Penelitian ini mengusulkan sebuah model hybrid yang menggabungkan MobileNetV2 dan Random Forest untuk mengklasifikasikan kualitas cabai rawit kering (Capsicum frutescens L.) berdasarkan karakteristik citra digital. Dataset yang digunakan terdiri dari citra primer yang dikumpulkan secara manual serta citra sekunder berupa gambar non-cabai yang diambil dari platform Kaggle. Citra-citra tersebut melalui tahap pra-pemrosesan, meliputi konversi format, penghilangan latar belakang, dan augmentasi. Beberapa arsitektur deep learning dibandingkan untuk proses ekstraksi fitur, di mana MobileNetV2 menunjukkan performa terbaik. Pada tahap klasifikasi, Random Forest mengungguli KNN, ANN, dan SVM dari segi akurasi dan konsistensi. Model akhir berhasil mencapai akurasi validasi sebesar 94% pada tahap ekstraksi fitur dan 91% pada klasifikasi. Model ini telah diimplementasikan dalam aplikasi Android untuk memungkinkan klasifikasi kualitas cabai secara real-time serta estimasi kadar air, sehingga menjadi solusi praktis dan efisien untuk penilaian mutu di sektor pertanian.
Tidak tersedia versi lain
Karya Umum 
Filsafat 
Agama 
Ilmu-ilmu Sosial 
Bahasa 
Ilmu-ilmu Murni 
Ilmu-ilmu Terapan 
Kesenian, Hiburan, dan Olahraga 
Kesusastraan 
Geografi dan Sejarah