A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
Klasifikasi Tingkat Kematangan Buah Nanas Menggunakan Metode Deep Learning
Penerapan perlakuan pascapanen dan manajemen bangsal hortikultura yang baik meningkatkan hasil dan mutu produk, mendukung daya saing hortikultura. Namun, penentuan kematangan buah nanas masih menggunakan metode tradisional, tidak konsisten, berpotensi merugikan finansial. Pemilihan dan klasifikasi buah nanas sesuai indeks kematangan standar dapat mengurangi kerusakan hasil dan mempertahankan mutu, mendukung kebutuhan pasar lokal dan internasional. Penelitian klasifikasi kematangan nanas berfokus pada deep learning, menggunakan data perkebunan rakyat, dan memusatkan pada badan nanas tanpa mahkota dalam 4 kelas kematangan. Model klasifikasi MobileNetV2 dengan augmentasi geometrik dan fotometrik mencapai akurasi 93%, dibandingkan dengan AlexNet dan VGG16. Hasil penelitian diharapkan meningkatkan efisiensi pertanian, membantu petani, dan memberi wawasan pada deteksi dan klasifikasi kematangan nanas untuk pasar lokal dan internasional. Eksperimen evaluasi memberikan pemahaman kinerja model dalam mendeteksi dan mengklasifikasikan kematangan buah nanas.
Klasifikasi Tingkat Kematangan Buah Nanas Menggunakan Metode Deep Learning
Penerapan perlakuan pascapanen dan manajemen bangsal hortikultura yang baik meningkatkan hasil dan mutu produk, mendukung daya saing hortikultura. Namun, penentuan kematangan buah nanas masih menggunakan metode tradisional, tidak konsisten, berpotensi merugikan finansial. Pemilihan dan klasifikasi buah nanas sesuai indeks kematangan standar dapat mengurangi kerusakan hasil dan mempertahankan mutu, mendukung kebutuhan pasar lokal dan internasional. Penelitian klasifikasi kematangan nanas berfokus pada deep learning, menggunakan data perkebunan rakyat, dan memusatkan pada badan nanas tanpa mahkota dalam 4 kelas kematangan. Model klasifikasi MobileNetV2 dengan augmentasi geometrik dan fotometrik mencapai akurasi 93%, dibandingkan dengan AlexNet dan VGG16. Hasil penelitian diharapkan meningkatkan efisiensi pertanian, membantu petani, dan memberi wawasan pada deteksi dan klasifikasi kematangan nanas untuk pasar lokal dan internasional. Eksperimen evaluasi memberikan pemahaman kinerja model dalam mendeteksi dan mengklasifikasikan kematangan buah nanas.
Klasifikasi Tingkat Kematangan Buah Nanas Menggunakan Metode Deep Learning
Ditra Liandaputra (author) / Amalia Zahra (author)
2024
Article (Journal)
Electronic Resource
Unknown
Metadata by DOAJ is licensed under CC BY-SA 1.0
Klasifikasi Pemenuhan Pilar Sanitasi Puskesmas Menggunakan Metode Naive Bayes
| DOAJ | 2023