Sari, Febrina (2026) Identifikasi Tingkat Kekeringan Kopra Putih Menggunakan Convolutional Neural Network (CNN) dengan Arsitektur VGG16. Diploma thesis, Universitas Islam Indragiri.
![[thumbnail of 403221010069_Febrina Sari_01-Cover_Abstrak_Pengesahan.pdf]](https://repository.unisi.ac.id/style/images/fileicons/text.png "403221010069_Febrina Sari_01-Cover_Abstrak_Pengesahan.pdf") |
Text
403221010069_Febrina Sari_01-Cover_Abstrak_Pengesahan.pdf Download (840kB) |
|
Text
403221010069_Febrina Sari_02-Pendahuluan.pdf Download (483kB) |
|
Text
4032210069_Febrina Sari_03-Bab1.pdf Download (467kB) |
|
Text
403221010069_Febrina Sari_04-Bab2.pdf Download (485kB) |
|
Text
403221010069_Febrina Sari_05-Bab3.pdf Download (715kB) |
|
Text
403221010069_Febrina Sari_06-Bab4.pdf Restricted to Repository staff only Download (791kB) |
|
Text
403221010069_Febrina Sari_07-Bab5.pdf Download (424kB) |
|
Text
403221010069_Febrina Sari_08-Pustaka_Lampiran.pdf Download (672kB) |
|
Text
SKRIPSI FEBRINA SARI SI 46%.pdf Download (1MB) |
Abstract
Kualitas kopra putih merupakan salah satu faktor yang menentukan nilai jual dan mutu produk. Penentuan tingkat kekeringan kopra putih umumnya masih dilakukan secara manual berdasarkan pengamatan visual, sehingga hasilnya bersifat subjektif dan bergantung pada pengalaman pengamat. Penelitian ini bertujuan untuk membangun sistem identifikasi tingkat kekeringan kopra putih menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur VGG16 yang diimplementasikan pada aplikasi berbasis Android. Dataset yang digunakan berjumlah 3.000 citra yang terdiri atas tigas kelas, yaitu kopra basah, kopra kering, dan kopra sangat kering. Dataset dibagi menjadi 70% data training, 20% data validation, dan 10% data testing. Sebelum proses pelatihan, citra melalui tahapan preprocessing berupa resize menjadi 224 x 224 piksel dan normalisasi agar sesuai dengan kebutuhan input model VGG16. Model dilatih menggunakan platform Google Colab dengan optimizer Adam dan fungsi loss categorical crossentropy. Hasil evaluasi menggunakan data testing menunjukkan bahwa model memperoleh test accuracy sebessar 95,33%, sehingga mampu mengklasifikasikan tingkat kekeringan kopra putih dengan performa yang baik. Model yang dilatih kemudian diimplementasikan ke dalam aplikasi Android sehingga pengguna dapat melakukan klasifikasi tingkat kekeringan kopra putih dan dapat membantu proses penentuan tingkat kekeringan secara lebih cepat, objektif, dan efisien.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | Convolutional Neural Network, VGG16, identifikasi citra, kopra putih, Android. |
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi |
| Depositing User: | Nilam Sari |
| Date Deposited: | 28 Sep 2026 07:51 |
| Last Modified: | 28 Sep 2026 07:51 |
| URI: | http://repository.unisi.ac.id/id/eprint/1255 |
Actions (login required)
 |
View Item |