UMGOUMGO
Jurnal Ilmu Komputer (JUIK)Jurnal Ilmu Komputer (JUIK)Tujuan penelitian ini adalah (1) Mengidentifikasi kualitas dan jenis buah cabai secara otomatis menggunakan Algoritma deep learning. (2) Meningkatkan Akurasi sistem identifikasi kualitas dan jenis buah cabai dengan mengoptimalkan penerapan Algoritma deep learning. Deep Learning adalah arsitektur jaringan saraf tiruan berlapis untuk memproses dan menganalisis data dalam skala besar secara efisien guna menyelesaikan berbagai permasalahan kompleks. Deep Learning merupakan cabang dari Machine Learning yang algoritmanya dirancang mengadopsi arsitektur jaringan saraf biologis manusia, yang dikenal sebagai Artificial Neural Networks. Salah satu, arsitektur Deep Learning yang paling umum digunakan dalam analisis gambar adalah Convolutional Neural Network (CNN).Pada penelitian ini, sampel data yang didapatkan berjumlah 1500 data gambar yang dibagi 4 kelas , yaitu : Cabai keriting segar, Cabai keriting tidak segar, Cabai rawit segar dan Cabai rawit tidak segar. Setalah itu akan di bagi menjadi dua data yaitu train dan validasi Gambar grafik di atas tersebut menunjukkan hubungan antara rasio data latih-uji dengan Akurasi model pada ukuran citra 400x400 piksel. Terlihat bahwa Akurasi model cenderung meningkat seiring bertambahnya proporsi data latih, dengan puncak Akurasi terjadi pada 80:20, mencapai sekitar 98%. Model CNN CabaiNet yang dikembangkan dalam penelitian ini mampu mengklasifikasikan jenis dan kualitas buah cabai ke dalam empat kelas (cabai keriting segar, cabai keriting tidak segar, cabai rawit segar, dan cabai rawit tidak segar) dengan tingkat Akurasi tinggi, mencapai 99% pada konfigurasi terbaik. Hal ini menjawab rumusan masalah pertama terkait bagaimana mengidentifikasi kualitas dan jenis buah cabai dengan Algoritma deep learning, yaitu dengan memanfaatkan arsitektur CNN khusus yang dirancang untuk mengekstraksi fitur visual dari citra buah cabai.
Model CNN bernama CabaiNet yang dikembangkan berhasil mengklasifikasikan jenis dan kualitas buah cabai ke dalam empat kelas dengan akurasi hingga 98% pada konfigurasi terbaik.Ini menjawab rumusan masalah pertama terkait identifikasi cabai menggunakan arsitektur CNN khusus.Proses klasifikasi dilakukan secara otomatis dengan pelatihan model CNN menggunakan citra sebagai input.Model mempelajari ciri visual seperti bentuk, tekstur, dan warna untuk mengenali tiap kelas.Ukuran 400x400 piksel memberikan hasil paling seimbang, dengan akurasi tinggi, nilai loss rendah, dan waktu pelatihan yang efisien.
Berdasarkan hasil penelitian ini, terdapat beberapa arah penelitian lanjutan yang dapat dilakukan untuk meningkatkan akurasi dan efisiensi sistem klasifikasi cabai. Pertama, penelitian dapat difokuskan pada pengembangan arsitektur CNN yang lebih kompleks dan adaptif, misalnya dengan menggabungkan teknik attention mechanism atau transformer untuk menangkap hubungan antar fitur yang lebih kompleks. Kedua, perlu dilakukan eksplorasi terhadap berbagai teknik augmentasi data yang lebih beragam dan relevan dengan variasi kondisi pertumbuhan cabai di lapangan, seperti variasi pencahayaan, sudut pandang, dan tingkat kematangan. Ketiga, penelitian dapat menginvestigasi penggunaan sensor-sensor tambahan, seperti sensor warna atau sensor tekstur, untuk memberikan informasi pelengkap yang dapat meningkatkan akurasi klasifikasi, terutama pada kondisi cabai yang kurang ideal atau memiliki karakteristik visual yang mirip.
- Sistem Klasifikasi Tingkat Kematangan Buah Cabai Katokkon Berdasarkan Fitur Warna LAB Menggunakan Artificial... doi.org/10.59562/jessi.v4i2.996Sistem Klasifikasi Tingkat Kematangan Buah Cabai Katokkon Berdasarkan Fitur Warna LAB Menggunakan Artificial doi 10 59562 jessi v4i2 996
- Implementasi CNN Dalam Mengidentifikasi Kematangan Cabai Berdasarkan Warna | Indonesian Journal of Education... jurnal.intekom.id/index.php/indotech/article/view/385Implementasi CNN Dalam Mengidentifikasi Kematangan Cabai Berdasarkan Warna Indonesian Journal of Education jurnal intekom index php indotech article view 385
| File size | 529.5 KB |
| Pages | 10 |
| DMCA | Report |
Related /
UMUSUMUS Di sisi lain, salah satu kekayaan Indonesia yang sangat berlimpah pada sector perairan adalah biota ikan. Dengan kondisi demikian, upaya peningkatan konsumsiDi sisi lain, salah satu kekayaan Indonesia yang sangat berlimpah pada sector perairan adalah biota ikan. Dengan kondisi demikian, upaya peningkatan konsumsi
POLIBANPOLIBAN Hasil eksperimen menunjukkan bahwa kombinasi model terbaik dicapai dengan optimizer AdamW, dengan nilai akurasi rata-rata 99,72%, presisi 99,73%, recallHasil eksperimen menunjukkan bahwa kombinasi model terbaik dicapai dengan optimizer AdamW, dengan nilai akurasi rata-rata 99,72%, presisi 99,73%, recall
UNAIRUNAIR Secara kolektif, arah-arah ini dapat meningkatkan adaptabilitas di berbagai pengaturan ekologis dan lingkungan yang terbatas sumber daya. Dengan menghubungkanSecara kolektif, arah-arah ini dapat meningkatkan adaptabilitas di berbagai pengaturan ekologis dan lingkungan yang terbatas sumber daya. Dengan menghubungkan
UMKLAUMKLA Data citra diklasifikasikan menjadi dua kategori, yaitu kantuk dan tidak kantuk, dengan total 5. 000 gambar yang kemudian diperluas menjadi 6. 976 gambarData citra diklasifikasikan menjadi dua kategori, yaitu kantuk dan tidak kantuk, dengan total 5. 000 gambar yang kemudian diperluas menjadi 6. 976 gambar
STMIKJAYAKARTASTMIKJAYAKARTA Pendekatan transfer learning digunakan dengan dua skenario fine-tuning, yaitu pembekuan 30 layer pertama dan pembekuan 15 layer pertama. Dataset terdiriPendekatan transfer learning digunakan dengan dua skenario fine-tuning, yaitu pembekuan 30 layer pertama dan pembekuan 15 layer pertama. Dataset terdiri
UMIUMI Tanaman merupakan komponen penting dalam ekosistem, memberikan manfaat seperti pangan, oksigen, dan obat-obatan. Penelitian ini bertujuan mengidentifikasiTanaman merupakan komponen penting dalam ekosistem, memberikan manfaat seperti pangan, oksigen, dan obat-obatan. Penelitian ini bertujuan mengidentifikasi
PLBPLB Kesimpulannya, metode SVM yang dioptimalkan dengan SMOTE terbukti efektif dalam meningkatkan akurasi klasifikasi sentimen ulasan pengguna terhadap layananKesimpulannya, metode SVM yang dioptimalkan dengan SMOTE terbukti efektif dalam meningkatkan akurasi klasifikasi sentimen ulasan pengguna terhadap layanan
PNCPNC Masalah utama adalah jumlah ulasan pelanggan yang banyak menjadi kendala pemilik toko dalam melakukan klasifikasi ulasan pelanggan. Penelitian ini mengusulkanMasalah utama adalah jumlah ulasan pelanggan yang banyak menjadi kendala pemilik toko dalam melakukan klasifikasi ulasan pelanggan. Penelitian ini mengusulkan
Useful /
UNUSIAUNUSIA Ketiga, meskipun menghadapi berbagai keterbatasan struktural dan administratif, pengelolaan wakaf di Desa Mojopuro menunjukkan potensi sosial yang besarKetiga, meskipun menghadapi berbagai keterbatasan struktural dan administratif, pengelolaan wakaf di Desa Mojopuro menunjukkan potensi sosial yang besar
LPPM STIEATMABHAKTILPPM STIEATMABHAKTI Pendekatan kuantitatif dengan data sekunder berupa data time series digunakan, dianalisis dengan regresi linier berganda untuk menguji pengaruh variabelPendekatan kuantitatif dengan data sekunder berupa data time series digunakan, dianalisis dengan regresi linier berganda untuk menguji pengaruh variabel
LPPM STIEATMABHAKTILPPM STIEATMABHAKTI Penelitian ini menunjukkan bahwa dewan komisaris, komisaris independen, dan komite audit secara signifikan memengaruhi jeda audit. Nilai korelasi rata-rataPenelitian ini menunjukkan bahwa dewan komisaris, komisaris independen, dan komite audit secara signifikan memengaruhi jeda audit. Nilai korelasi rata-rata
UNTAG SMDUNTAG SMD 000, serta peningkatan rata-rata skor sebesar 15,200. Penelitian ini menyimpulkan bahwa metode storytelling efektif dalam meningkatkan kecerdasan moral000, serta peningkatan rata-rata skor sebesar 15,200. Penelitian ini menyimpulkan bahwa metode storytelling efektif dalam meningkatkan kecerdasan moral