• 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

Analisis Sistem Klasifikasi Kesegaran Ikan Nila Menggunakan Convolutional Neural Network (CNN) Berbasis Android = Analysis of Nile Tilapia Freshness Classification System Using Convolutional Neural Network (CNN) Based on Android

GLADISA WIDADINING CAHYA - Nama Orang; Wiktasari - Nama Orang; Parsumo Rahardjo - Nama Orang;

Gladisa Widadining Cahya. “Analisis Sistem Klasifikasi Kesegaran Ikan Nila Menggunakan Convolutional Neural Network (CNN) Berbasis Android”, Skripsi S.Tr Program Studi Teknologi Rekayasa Komputer, Jurusan Teknik Elektro, Politeknik Negeri Semarang, di bawah bimbingan Wiktasari, S.T., M.Kom. dan Drs. Parsumo Rahardjo, M.Kom. Agustus 2025, jumlah halaman 127.
Kesegaran ikan merupakan faktor penting dalam menjaga keamanan konsumsi dan nilai jual, terutama bagi konsumen dan pelaku usaha kecil. Penilaian manual cenderung subjektif, memerlukan keahlian, dan kurang efisien. Penelitian ini merancang sistem klasifikasi kesegaran ikan nila (Oreochromis niloticus) berbasis Android menggunakan Artificial Intelligence. Sistem mengklasifikasikan kesegaran ke dalam tiga kategori, yaitu segar, cukup segar, dan tidak segar berdasarkan satu citra utuh ikan yang mencakup mata, insang, dan tubuh. Model dilatih menggunakan CNN dengan transfer learning pada arsitektur EfficientNetB0, DenseNet121, NASNetMobile, dan MobileNetV2. Dataset dikumpulkan berdasarkan waktu pasca-kematian ikan untuk merepresentasikan kondisi kesegaran. Aplikasi memungkinkan pengambilan gambar dari kamera atau galeri, menampilkan hasil klasifikasi berupa persentase dan informasi prediksi yang tepat. Hasil menunjukkan sistem mampu melakukan klasifikasi kesegaran ikan nila dengan akurasi tinggi, di mana EfficientNetB0 mencapai akurasi 95,8%. Aplikasi ini mudah digunakan dan ditujukan bagi pengguna umum, seperti konsumen rumah tangga dan pelaku usaha kecil, sebagai alat bantu penilaian kesegaran ikan secara cepat, objektif, dan praktis.
Kata kunci : Klasifikasi Kesegaran Ikan, CNN, Android, AI, Transfer Learning, Ikan Nila


Fulltext
  • Harap masuk untuk melihat lampiran
Informasi Detail
Judul Seri
-
No. Panggil
RK 030 2025
Penerbit
Semarang : Politeknik Negeri Semarang., 2025
Deskripsi Fisik
xv; 92 hal.; ilus., 30 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
NONE
Tipe Isi
text
Tipe Media
computer
Tipe Pembawa
online resource
Edisi
-
Subjek
convolutional neural network (CNN)
Info Detail Spesifik
-
Pernyataan Tanggungjawab
GLADISA WIDADINING CAHYA
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?