FILE TESIS

FILE TESIS

• By Cahya, Fani Nurona;
• Tesis
• 94
• 1-60

Buah-buahan merupakan salah satu kelompok komoditas pertanian yang penting
di Indonesia. Buah apel, pisang dan jeruk merupakan salah satu jenis buah yang
ada di Indonesia dan sangat di gemari oleh masyarakat umum, baik muda sampai
tua suka mengkonsumsi. Mutu buah apel, pisang dan jeruk yang baik sangat
ditentukan oleh tingkat ketuaan buah dan penampakannya, secara fisik sebenarnya
mudah dilihat karena tanda-tanda yang adapada buah segar atau busuk mudah
diamati. Namun untuk mendapatkan hasil yang lebih akurat perlu dilakukan
penelitian lebih lanjut Mengenai klasifikasi buah yang segar dan busuk. Dalam
perkembangan ilmu pengetahuan dan teknologi saat ini Deep learning digunakan
diberbagai penelitian , cara untuk mengklasifikasikan antara buah segar dan busuk
dilakukan dengan bantuan pengolahan citra . Penelitian ini bertujuan melakukan
pengolahan citra berupa klasifikasi untuk mendeteksi antara buah segar dan busuk
dari buah apel, pisang dan jeruk dengan menggunkan Convolutional Neural
Network (CNN). Hasil dari penelitian ini diperoleh akurasi sebesar 98.44%.
Kata kunci : Deep learning , Convolutional Neural Network (CNN), Klasifikasi

• Katakunci
• URL http://
• Penerbit ,

REFERENSI

[1] dan R. I. Y. Garis K, I. Santoso, “Klasifikasi Citra dengan Matriks KoOkurensi Aras Keabuan (Gray Level Co-Occurrence Matrix-GLCM) pada
Limakelas Biji-Bijian,” 2011.
[2] I. Permatasari dan T. Sutojo, “Pengenalan Ciri Garis Telapak Tangan
Menggunakan Ekstraksi Fitur (GLCM) dan Metode (KNN),” 2016.
[3] D. Syahid, Jumadi, and D. Nursantika, “Sistem Klasifikasi Jenis Tanaman
Hias Daun Philodendron Menggunakan Metode K-Nearest Neighboor
(KNN) Berdasarkan Nilai Hue, Saturation, Value (HSV),” JOIN, vol. I, no.
1, pp. 20–23, 2016.
[4] C. A. S. and E. H. R. T. Sutojo, P. S. Tirajani, D. R. I. M. Setiadi, “‘CBIR
for Classification of Cow Types using GLCM and Color Features
Extraction,’” in in International conferences on Information Technology,
Information Systems and Electrical Engineering (ICITISEE), Yogyakarta,.
[5] H. Mulyawan, M. Z. H. Samsono, and Setiawardhana, “Identifikasi Dan
Tracking Objek Berbasis Image,” pp. 1–5, 2011.
[6] S. R. Kalluri, “Fruits fresh and rotten for classification Apples Oranges
Bananas,” 2019.
[7] L. Ratnawati and D. R. Sulistyaningrum, “Penerapan Random Forest untuk
Mengukur Tingkat Keparahan Penyakit pada Daun Apel,” vol. 8, no. 2, pp.
A71–A77, 2019.
[8] W. S. Eka Putra, “Klasifikasi Citra Menggunakan Convolutional Neural
Network (CNN) pada Caltech 101,” J. Tek. ITS, vol. 5, no. 1, 2016, doi:
10.12962/j23373539.v5i1.15696.
[9] A.Coates, H.Lee and A.Y. Ng, “‘“An Analysis of Single-Layer Networks
in Unsupervised Feature Learning,”’” 2011.
[10] K. Fukushima, “Neocognitron: A Self-Organizing Neural Network Model
for a Mechanism of Pattern Recognition Unaffected by Shift in Position,”
40
Biol. Cybern., 1980.
[11] D. Stathakis, “How Many Hidden Layers And Nodes,” Int. J. Remote Sens.,
2008.
[12] Stanford University, “An Introduction to Convolutional Neural Network,”
Vis. Imaging Sci. Technol. Lab, Stanford Univ. [Online.
[13] F. Hutter, “Automated Machine Learning.,” 2017.
[14] A. Ciputra, A. Susanto, and dkk, “Dengan Algoritma Naive Bayes Dan
Ekstraksi Fitur Citra Digital,” Simetris J. Tek. Mesin, Elektro dan Ilmu
Komput., vol. 9, no. 1, pp. 465–472, 2018.
[15] L. Widiastuti, ““Pemilihan Fitur Pada Analisis Sentimen Review Travel
Online Menggunakan Algoritma Naïve Bayes Dalam Penerapan Mutual
Information Dan Particle Swarm Optimization,” ( PSO ),”, vol. 3, no, 2018.
[16] A. Bhargava and A. Bansal, “Automatic Detection and Grading of Multiple
Fruits by Machine Learning,” Food Anal. Methods, vol. 13, no. 3, pp. 751–
761, 2020, doi: 10.1007/s12161-019-01690-6.
[17] I. F. Rahmad et al., “Perancangan Dan Implementasi Alat Pendeteksi
Kesegaran Buah Berbasis Arduino,” vol. 1, no. 1, pp. 368–379.
[18] T. Ananthanarayana, R. Ptucha, and S. C. Kelly, “Deep Learning based Fruit
Freshness Classification and Detection with CMOS Image sensors and Edge
processors,” Electron. Imaging, vol. 2020, no. 12, pp. 172-1-172– 7, 2020,
doi: 10.2352/issn.2470-1173.2020.12.fais-172.
[19] E. N. Arrofiqoh and Harintaka, “IMPLEMENTASI METODE
CONVOLUTIONAL NEURAL NETWORK UNTUK KLASIFIKASI
TANAMAN PADA CITRA RESOLUSI TINGGI ( The Implementation of
Convolutional Neural Network Method for Agricultural Plant Classification
in High Resolution Imagery ),” Geomatika, vol. 24, no. 2, pp. 61–68, 2018.
[20] M. E. Purbaya, “Penerapan Model Generatif Pada Kerangka Kerja Deep
41
Learning Untuk Menerjemahkan Citra Sketsa Daun Menjadi Citra
Alami Daun,” Res. Comput. Inf. Syst. Technol. Manag., vol. 1, no. 2,
p. 39, 2018, doi: 10.25273/research.v1i02.3349.
[21] Haryono, Khairul Anam, and Azmi Saleh, “Autentikasi Daun
Herbal Menggunakan Convolutional Neural Network dan
Raspberry Pi,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 9, no. 3,
pp. 278–286, 2020, doi: 10.22146/.v9i3.302.