• 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 Menggunakan Deep Learning Untuk Klasifikasi Cabai Rawit Kering (Capsicum Frutescens L) Berbasis Citra Digital = Ai Application Using Deep Learning For Classification Of Dried Bird's Chili (Capsicum Frutescens L) Based On Digital Images

ILHAM RIZKY HARIJANTO - Nama Orang; TRI Raharjo Yudantoro - Nama Orang; Slamet Handoko - Nama Orang;

Ilham Rizky Harijanto, “Aplikasi AI Menggunakan Deep Learning Untuk Klasifikasi Cabai Rawit Kering (Capsicum Frutescens L) Berbasis Citra Digital”, Skripsi D-IV Jurusan Teknik Elektro Politeknik Negeri Semarang, di bawah bimbingan Tri Raharjo Yudantoro, S. Kom., M.Kom. dan Slamet Handoko, S. Kom., M.Kom., Agustus 2025, 89 halaman
Cabai rawit (Capsicum frutescens L) merupakan salah satu komoditas pertanian utama di Indonesia. Penentuan tingkat kekeringan cabai rawit umumnya masih dilakukan secara manual, yang mengakibatkan hasil klasifikasinya kurang konsisten. Oleh karena itu, dibutuhkan metode otomatis yang bersifat objektif dan efisien guna meningkatkan akurasi dan konsistensi klasifikasi. Penelitian ini memanfaatkan teknologi Deep Learning untuk mengklasifikasikan tingkat kekeringan cabai rawit berbasis citra digital. Dataset yang digunakan terdiri dari citra cabai rawit merah dan hijau yang dikelompokkan ke dalam tiga kategori kualitas: segar, sedang, dan kering. Empat arsitektur model deep learning diuji, yaitu MobileNetV2, NASNetMobile, DenseNet121, dan EfficientNetB4. Dari hasil evaluasi, DenseNet121 menunjukkan performa terbaik dengan akurasi sebesar 90%. Model ini kemudian dikembangkan lebih lanjut menjadi DenseNet121 Improved dengan menambahkan beberapa dense layer dan dropout layer, sehingga meningkatkan akurasi hingga mencapai 98%. Model terbaik tersebut diimplementasikan dalam aplikasi mobile berbasis Android menggunakan framework Flutter dan bahasa pemrograman Dart, guna mempermudah masyarakat dalam mengakses informasi kualitas cabai rawit. Berdasarkan hasil analisis pengujian, aplikasi ini memperoleh tingkat kepuasan pengguna sebesar 90%, yang menunjukkan bahwa sistem telah diterima dengan sangat baik dan dinilai bermanfaat oleh pengguna.


Fulltext
  • Harap masuk untuk melihat lampiran
Informasi Detail
Judul Seri
-
No. Panggil
RK 015 2025
Penerbit
Semarang : Politeknik Negeri Semarang., 2025
Deskripsi Fisik
xiv; 72 hal.; ilus., 30 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
text
Tipe Media
computer
Tipe Pembawa
online resource
Edisi
-
Subjek
Deep Learning-Machine Learning
Info Detail Spesifik
-
Pernyataan Tanggungjawab
ILHAM RIZKY HARIJANTO
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?