Pratama, M. Rizqy (2025) Sistem Deteksi Minyak Pertalite Oplosan Berbasis Android Menggunakan Convolutional Neural Network (CNN) MobileNetV2 dengan Preprocessing HSV dan Center Crop. Diploma thesis, Universitas Islam Indragiri.
![[thumbnail of 403211010008_M.Rizqy Pratama_01_AWAL.pdf]](http://repository.unisi.ac.id/style/images/fileicons/text.png "403211010008_M.Rizqy Pratama_01_AWAL.pdf") |
Text
403211010008_M.Rizqy Pratama_01_AWAL.pdf Download (1MB) |
|
Text
403211010008_M.Rizqy Pratama_02_BAB1.pdf Download (473kB) |
|
Text
403211010008_M.Rizqy Pratama_03_BAB2.pdf Download (651kB) |
|
Text
403211010008_M.Rizqy Pratama_04_BAB3.pdf Download (826kB) |
|
Text
403211010008_M.Rizqy Pratama_05_BAB4.pdf Restricted to Repository staff only Download (1MB) |
|
Text
403211010008_M.Rizqy Pratama_06_BAB5.pdf Download (457kB) |
|
Text
403211010008_M.Rizqy Pratama_07_AKHIR.pdf Download (1MB) |
|
Text
Turnitin SKRIPSI M. Rizqy Pratama.docx.pdf Restricted to Repository staff only Download (46MB) |
Abstract
Praktik pengoplosan minyak Pertalite menjadi permasalahan serius karena sulit dibedakan secara visual tanpa alat bantu yang tepat. Untuk mengatasi hal tersebut, dikembangkan sebuah sistem berbasis Android yang mampu mendeteksi minyak Pertalite oplosan menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur MobileNetV2. Sistem ini memanfaatkan teknik preprocessing citra berupa konversi warna ke ruang HSV dan center crop sebesar 50% guna meningkatkan akurasi klasifikasi serta mengurangi pengaruh pencahayaan dan latar belakang. Dataset yang digunakan terdiri dari 902 citra, dengan pembagian 70% untuk pelatihan, 15% untuk validasi, dan 15% untuk pengujian. Model CNN yang telah dilatih dikonversi ke dalam format TensorFlow Lite dan diintegrasikan ke dalam aplikasi Android agar dapat digunakan secara real-time tanpa memerlukan koneksi internet. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 98,1%, dengan nilai precision, recall, dan F1-score masing-masing sebesar 98,1%. Confusion matrix menunjukkan kesalahan klasifikasi yang sangat rendah, hanya 4 citra dari 210 data uji. Aplikasi yang dihasilkan mampu berjalan secara efektif, cepat, dan responsif, sehingga dapat membantu masyarakat dalam mendeteksi kualitas minyak Pertalite secara mandiri
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Minyak Pertalite Oplosan, Deteksi Citra, MobileNetV2, HSV, TensorFlow Lite, Android, Convolutional Neural Network |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi |
| Depositing User: | Nilam Sari |
| Date Deposited: | 25 Nov 2025 08:45 |
| Last Modified: | 25 Nov 2025 08:45 |
| URI: | http://repository.unisi.ac.id/id/eprint/1013 |
Actions (login required)
 |
View Item |