Informasi Lainnya
Abstraksi
<h1><a name="_Toc188732772">ABSTRAK</a></h1>
<strong>ANALISA PERBANDINGAN MODEL CNN DAN <em>RANDOM FOREST</em> PADA KLASIFIKASI KUALITAS BUAH</strong><br />
Oleh<br />
Syahril Arif Kurniawan Hamzah 19104036<br />
<br />
Buah-buahan kaya akan gizi dan memberikan manfaat kesehatan. Di Indonesia, apel, pisang, jeruk, dan tomat memiliki potensi produksi besar. Namun, kualitas buah-buahan ini dapat bervariasi karena faktor-faktor seperti suhu dan pengolahan. Pendeteksian kualitas buah secara otomatis menjadi penting. Metode <em>Convolutional Neural Network</em> (CNN) dan <em>Random Forest</em> efektif dalam deteksi kualitas buah dengan mengidentifikasi fitur visual pada buah segar atau tidak segar. Penelitian ini mengembangkan model CNN dan <em>Random Forest</em> untuk mengklasifikasikan buah apel, pisang, jeruk, dan tomat ke dalam kategori segar atau tidak segar. Hasilnya diharapkan dapat membantu petani, pedagang, dan masyarakat dalam menentukan kualitas buah yang akan dijual atau dikonsumsi, hasil dari proses klasifikasi buah segar atau tidak segar dengan model CNN dan <em>Random Forest</em> dengan melewati tiga kali dari 4.000 data yakni; skenario pertama 80% training 20% testing mempunyai rerata akurasi sebesar 95%, skenario kedua dengan 70% training 30% testing mempunyai rerata akurasi sebesar 94% dan skenario ketiga dengan 60% training 40% testing mempunyai rarata akurasi sebesar 93%, dari kedua model tersebut <em>Random Forest </em>mempunyai tingkat akurasi sebesar 92% untuk mengklasifikasikan buah dibandingkan dengan CNN yang mempunyai 85%.<br />
<br />
<strong>Kata Kunci : Deteksi kualitas buah, Apel, Pisang, Jeruk, Tomat, Convolutional Neural Network (CNN), Random Forest.</strong><br />
<br clear="all" />
<br />
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
