IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK BERBASIS ARSITEKTUR EFFICIENTNET-B0 UNTUK KLASIFIKASI VARIETAS BUAH DURIAN

Muhammad Rafi, Rizanda (2025) IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK BERBASIS ARSITEKTUR EFFICIENTNET-B0 UNTUK KLASIFIKASI VARIETAS BUAH DURIAN. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF ABSTRAK_MUHAMMAD RAFI RIZANDA.pdf Download (284Kb) | Preview
	File PDF SKRIPSI FULL_MUHAMMAD RAFI RIZANDA.pdf Restricted to Hanya staf Download (5Mb) | Minta salinan
Preview	File PDF SKRIPSI TANPA PEMBAHASAN_MUHAMMAD RAFI RIZANDA.pdf Download (2861Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Durian merupakan salah satu komoditas unggulan Indonesia dengan produksi dan nilai ekonomis yang terus meningkat dari tahun ke tahun. Berdasarkan data BPS periode 2021–2024, terjadi tren kenaikan signifikan pada jumlah produksi durian, yang berdampak langsung pada tingginya permintaan pasar. Namun, identifikasi varietas durian hingga saat ini masih dilakukan secara manual dan membutuhkan keahlian khusus, sehingga rawan terjadi kesalahan yang dapat memengaruhi kualitas dan stabilitas harga di pasar. Untuk mengatasi permasalahan tersebut, penelitian ini mengimplementasikan Convolutional Neural Network (CNN) berbasis arsitektur Efficientnet-b0 dalam klasifikasi varietas durian. Dataset penelitian terdiri atas tujuh varietas durian, yaitu Musang King, D24/Sultan, Golden Phoenix, Sumatra Super, Medan, Bengkulu, dan Kota Agung. Data diperoleh dari sumber publik Kaggle dan pengambilan langsung di toko buah durian di Bandar Lampung. Proses penelitian meliputi preprocessing citra berupa resize ke 224×224 piksel, normalisasi, augmentasi, pembagian Dataset, perancangan model Efficientnet-b0, pelatihan model, hyperparameter tuning, hingga evaluasi. Efficientnet-b0 dipilih karena efisiensinya dengan 5,3 juta parameter dan dukungan pretrained weights dari ImageNet. Hasil penelitian menunjukkan bahwa model Efficientnet-b0 dengan transfer learning, augmentasi data, dan tanpa Fine Tuning mampu mencapai akurasi pelatihan 99,67% serta validasi 100%. Setelah dilakukan hyperparameter tuning dengan konfigurasi Dense layer 128 neuron, 20 Epoch, Learning Rate 0,001, dan Batch Size 16, performa model meningkat dengan akurasi pelatihan 99,95% dan validasi 99,29% dengan nilai Loss rendah. Temuan ini membuktikan bahwa Efficientnet-b0 efektif dan efisien untuk mendukung pengembangan aplikasi pengenal varietas durian berbasis citra digital.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum > 004 Pemrosesan data dan ilmu komputer 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data 600 Teknologi (ilmu terapan) > 620 Ilmu teknik dan ilmu yang berkaitan
Program Studi:	FAKULTAS TEKNIK (FT) > Prodi S1-Teknik Informatika
Pengguna Deposit:	2507770477 Digilib
Date Deposited:	14 Oct 2025 06:55
Terakhir diubah:	14 Oct 2025 06:55
URI:	http://digilib.unila.ac.id/id/eprint/91080

Actions (login required)

Lihat Karya Akhir