Aplikasi Klasifikasi Kualitas Kelapa Lokal Menggunakan Algoritma Convolutional Neural Network (Cnn)

Ferdiansyah, Ferdiansyah (2026) Aplikasi Klasifikasi Kualitas Kelapa Lokal Menggunakan Algoritma Convolutional Neural Network (Cnn). Diploma thesis, Universitas Islam Indragiri.

[thumbnail of COVER FERDIANSYAH4.pdf] Text
COVER FERDIANSYAH4.pdf

Download (789kB)
[thumbnail of BAB 1 FERDIANSYAH.pdf] Text
BAB 1 FERDIANSYAH.pdf

Download (135kB)
[thumbnail of BAB 2 FERDIANSYAH.pdf] Text
BAB 2 FERDIANSYAH.pdf

Download (252kB)
[thumbnail of BAB 3 FERDIANSYAH1.pdf] Text
BAB 3 FERDIANSYAH1.pdf

Download (434kB)
[thumbnail of BAB 4 FERDIANSYAH.pdf] Text
BAB 4 FERDIANSYAH.pdf
Restricted to Repository staff only

Download (557kB)
[thumbnail of BAB 5 FERDIANSYAH.pdf] Text
BAB 5 FERDIANSYAH.pdf

Download (155kB)
[thumbnail of DAFTAR PUSTAKA FERDIANSYAH.pdf] Text
DAFTAR PUSTAKA FERDIANSYAH.pdf

Download (1MB)
[thumbnail of TURNITIN SKRIPSI FERDIANSYAH 36%.pdf] Text
TURNITIN SKRIPSI FERDIANSYAH 36%.pdf

Download (2MB)

Abstract

Kualitas kelapa lokal merupakan salah satu faktor penting yang menentukan nilai jual dan pemanfaatannya. Proses klasifikasi kualitas kelapa pada umumnya masih dilakukan secara manual berdasarkan pengamatan visual, sehingga hasilnya cenderung bersifat subjektif, kurang konsisten, dan membutuhkan waktu yang relatif lama. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kualitas kelapa lokal menggunakan algoritma Convolutional Neural Network (CNN) sebagai metode pengenalan citra yang mampu mengklasifikasikan kualitas kelapa secara otomatis. Tahapan penelitian meliputi pengumpulan dataset citra kelapa lokal, proses preprocessing citra, pembagian data menjadi data latih dan data uji, perancangan serta pelatihan model CNN, kemudian dilakukan pengujian untuk mengetahui tingkat performa model. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score untuk mengukur kemampuan model dalam mengklasifikasikan kualitas kelapa. Hasil penelitian menunjukkan bahwa algoritma CNN mampu mengenali pola visual pada citra kelapa lokal dan memberikan tingkat akurasi yang baik dalam proses klasifikasi. Dengan demikian, sistem yang dikembangkan dapat menjadi alternatif yang efektif untuk membantu proses penentuan kualitas kelapa secara lebih cepat, objektif, dan efisien dibandingkan dengan metode konvensional

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Kelapa Lokal, Klasifikasi Citra, Convolutional Neural Network (CNN), Deep Learning, Pengolahan Citra Digital
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi
Depositing User: Nilam Sari
Date Deposited: 02 Oct 2026 04:35
Last Modified: 02 Oct 2026 04:35
URI: http://repository.unisi.ac.id/id/eprint/1368

Actions (login required)

View Item View Item