SKRIPSI DIGITAL
Sistem Identifikasi Tingkat Kekeringan Keripik Apel Berbasis Web Menggunakan Pemrosesan Citra Digital dan Deep Learning = Web-Based Apple Chips Dryness Identification System Using Digital Image Processing and Deep Learning
Pentingnya mengetahui derajat pengeringan apel untuk menjaga kualitas buah dan meningkatkan hasil pertanian. Metode konvesional untuk mengukur kadar air dalam apel seringkali memakan waktu dan bersifat merusak. Tujuan dari kajian ini adalah untuk mengembangkan metode non-invasif menggunakan kecerdasan buatan dan deep learning untuk mengklasifikasikan derajat kekeringan apel. Database citra apel dengan tingkat kekeringan yang berbeda dikumpulkan dan diproses menggunakan teknik peningkatan citra. Berbagai model pembelajaran mendalam termasuk Convutional Neural Network (CNN), EfficientNet, ResNet, dan MobileNet dipelajari dan dievaluasi. Hasil percobaan menunjukkan bahwa EfficientNet memiliki akurasi tertinggi dibandingkan ResNet dan MobileNet dalam mengklasifikasikan derajat kekeringan pada apel. Temuan dari penelitian ini mengindikasikan hasil yang efisien dan akurat dalam mendeteksi tingkat kekeringan apel, sehingga memberikan sistem pertanian yang presisi dan pemantauan kualitas buah.
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