Optimasi Model Hybrid CNN–SVM untuk Klasifikasi Kematangan Buah Nanas

Juliananda Putri, Fanisha (2026) Optimasi Model Hybrid CNN–SVM untuk Klasifikasi Kematangan Buah Nanas. Diploma thesis, Universitas Islam Indragiri.

Preview	Text FANISHA JULIANANDA P_403221010046_BAB AWAL.pdf Download (624kB) | Preview
Preview	Text FANISHA JULIANANDA P_403221010046_BAB 1.pdf Download (273kB) | Preview
Preview	Text FANISHA JULIANANDA P_403221010046_BAB 2.pdf Download (631kB) | Preview
Preview	Text FANISHA JULIANANDA P_403221010046_BAB 3.pdf Download (559kB) | Preview
	Text FANISHA JULIANANDA P_403221010046_BAB 4.pdf Restricted to Repository staff only Download (1MB)
Preview	Text FANISHA JULIANANDA P_403221010046_BAB 5.pdf Download (185kB) | Preview
Preview	Text FNISHA JULIANANDA P_403221010046_BAB AKHIR.pdf Download (1MB) | Preview
Preview	Text TURNITIN SKRIPI FANISHA JULIANANDA PUTRI.pdf Download (2MB) | Preview

Abstract

Penentuan tingkat kematangan buah nanas masih banyak dilakukan secara manual berdasarkan pengamatan warna dan kondisi fisik buah, sehingga hasil yang diperoleh sering bersifat subjektif dan kurang konsisten. Penelitian ini bertujuan untuk mengembangkan model hybrid Convolutional Neural Network (CNN) dan Support Vector Machine (SVM) dalam mengklasifikasikan tingkat kematangan buah nanas berdasarkan citra digital. Dataset yang digunakan terdiri dari lima kelas kematangan, yaitu mentah, mengkal, setengah matang, matang, dan busuk. Tahapan penelitian meliputi pengumpulan dataset, preprocessing, augmentasi data, pengembangan model CNN sebagai ekstraktor fitur, serta SVM sebagai classifier. Hasil pengujian menunjukkan bahwa model hybrid CNN-SVM mampu mengenali dan mengklasifikasikan tingkat kematangan buah nanas dengan performa yang baik berdasarkan metrik accuracy, precision, recall, dan F1-score. Penelitian ini memberikan implikasi berupa sistem klasifikasi yang lebih objektif, cepat, dan efisien dibandingkan metode manual. Dengan demikian, model hybrid CNN-SVM dapat menjadi solusi yang efektif dalam membantu proses sortasi dan penentuan kualitas buah nanas.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	CNN, SVM, Klasifikasi Citra, Kematangan Nanas, Hybrid CNNSVM.
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Sistem Informasi
Depositing User:	Nilam Sari
Date Deposited:	06 Oct 2026 06:57
Last Modified:	06 Oct 2026 06:57
URI:	http://repository.unisi.ac.id/id/eprint/1402

Actions (login required)

View Item