• 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

Klasifikasi Tingkat Kekeringan Pisang Menggunakan Model Pembelajaran Mesin Berbasis Citra Digital = Classification Of Banana Drought Level Using A Digital Image-Based Machine Learning Model

IZZAL IHZA MAULANA - Nama Orang; Amran Yobioktabera - Nama Orang; TRI Raharjo Yudantoro - Nama Orang;

Izzal Ihza Maulana, “KLASIFIKASI TINGKAT KEKERINGAN PISANG MENGGUNAKAN MODEL PEMBELAJARAN MESIN BERBASIS CITRA DIGITAL ”, Skripsi D-IV Jurusan Teknik Elektro Politeknik Negeri Semarang, di bawah bimbingan Amran Yobioktabera , S. Kom., M.Kom. dan Tri Raharjo Yudantoro, S.Kom, M.Kom. 10 April 2025, Jumlah halaman
Pisang merupakan salah satu buah tropis yang memiliki nilai ekonomi tinggi dan banyak dikonsumsi oleh masyarakat. Tingkat kekeringan pisang menjadi faktor penting dalam industri pangan, terutama dalam menentukan kualitas produk akhir. Metode manual yang selama ini digunakan dalam penentuan tingkat kekeringan masih bersifat subjektif dan kurang efisien. Oleh karena itu, diperlukan sistem otomatis berbasis kecerdasan buatan untuk meningkatkan akurasi dan konsistensi dalam klasifikasi tingkat kekeringan pisang. Tujuan dari penelitian ini adalah untuk membuat sistem klasifikasi tingkat kekeringan pisang yang menggunakan teknik ekstraksi fitur Vision Transformer (ViT) dan model klasifikasi Extreme Gradient Boosting (XGBoost). ViT mengekstraksi fitur visual dari gambar digital pisang, dan XGBoost melakukan klasifikasi berdasarkan fitur yang telah diekstraksi. Data penelitian ini berasal dari gambar digital pisang dengan berbagai tingkat kekeringan. Proses pengembangan model terdiri dari pengolahan data, penggunaan ViT untuk ekstraksi fitur, pelatihan model klasifikasi menggunakan XGBoost, dan evaluasi model berdasarkan skor F1, akurasi, presisi, dan recall. Hasil penelitian ini diharapkan akan memberikan solusi yang lebih akurat dan efektif untuk klasifikasi tingkat kekeringan pisang. Dengan adanya sistem ini, industri pengolahan pisang dapat mengoptimalkan proses produksi, menjaga kualitas produk secara lebih konsisten, dan mengurangi ketergantungan mereka pada teknik manual yang subjektif.
Kata kunci: Klasifikasi tingkat kekeringan, Vision Transformer, XGBoost, pengolahan citra digital, kecerdasan buatan.


Fulltext
  • Harap masuk untuk melihat lampiran
Informasi Detail
Judul Seri
-
No. Panggil
RK 005 2025
Penerbit
Semarang : Politeknik Negeri Semarang., 2025
Deskripsi Fisik
xiv; 93 hal.; ilus., 30 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
text
Tipe Media
computer
Tipe Pembawa
online resource
Edisi
-
Subjek
DIGITAL IMAGE-BASED MACHINE LEARNING MODEL
Info Detail Spesifik
-
Pernyataan Tanggungjawab
IZZAL IHZA MAULANA
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?