SKRIPSI DIGITAL
Klasifikasi dan Identifikasi Kualitas Selada Menggunakan Deep Learning = Classification and Identification of Lettuce Quality Using Deep Learning
Kualitas selada (Lactuva sativa) merupakan faktor penting yang memengaruhi harga jual dan daya saing di pasar. Saat ini, proses penilaian kualitas selada masih banyak dilakukan secara manual, yang cenderung subjektif, tidak konsisten, dan memakan waktu. Diperlukan sebuah sistem yang efisien untuk mengatasi masalah ini. Penelitian ini bertujuan untuk mengembangkan sebuah model klasifikasi untuk mengidentifikasi kualitas selada secara otomatis dan akurat menggunakan pendekatan deep learning. Sistem ini dirancang untuk mengklasifikasikan kualitas selada ke dalam tiga kategori (segar, layu, dan rusak) dan diintegrasikan ke dalam sebuah aplikasi Android untuk penggunaan yang praktis di lapangan. Penelitian ini menggunakan metode Cross Industry Standard Process for Data Mining (CRISP-DM). Dilakukan studi komparatif terhadap beberapa arsitektur Convolutional Neural Network (CNN), yaitu CNN Baseline, VGG16, InceptionV3, MobileNetV2, dan sebuah model utama hasil fine-tuning dari DenseNet121 yang disebut DenseMod128. Data citra yang digunakan melalui tahap pra-pemrosesan seperti segmentasi untuk menghilangkan latar belakang dan augmentasi data untuk memperkaya variasi data latih. Model DenseMod128 menunjukkan performa terbaik dibandingkan model lainnya, dengan mencapai akurasi pengujian sebesar 97,78% serta nilai precision, recall, dan F1-Score masing-masing 0.98. Model ini dipilih sebagai model final untuk implementasi. Implementasi dari penelitian ini adalah sebuah aplikasi Android yang dapat melakukan klasifikasi kualitas selada secara offline langsung di perangkat pengguna.
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