PREDIKSI UMUR PANEN BUAH JAMBU KRISTAL (Psidium guajava L) BERDASARKAN FITUR LOCAL BINARY PATTERN (LBP) MENGGUNAKAN METODE FAST CONVOLUTIONAL NEURAL NETWORK (F-CNN)

TRYA , ROHANI (2025) PREDIKSI UMUR PANEN BUAH JAMBU KRISTAL (Psidium guajava L) BERDASARKAN FITUR LOCAL BINARY PATTERN (LBP) MENGGUNAKAN METODE FAST CONVOLUTIONAL NEURAL NETWORK (F-CNN). FAKULTAS PERTANIAN, UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK - ABSTRACT - TRYA ROHANI.pdf Download (305Kb) | Preview
	File PDF 2. SKRIPSI FULL - TRYA ROHANI.pdf Restricted to Hanya staf Download (4Mb) | Minta salinan
Preview	File PDF 3. SKRIPSI TANPA BAB PEMBAHASAN - TRYA ROHANI.pdf Download (3638Kb) | Preview

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

Penelitian ini bertujuan untuk membangun arsitektur sequential dan menganalisis akurasi pada metode F-CNN untuk memprediksi kematangan buah jambu kristal (Psidium guajava L.) Salah satu alternatif yang dapat digunakan untuk mengidentifikasi kematangan buah adalah menggunakan teknik image processing atau pengolahan citra digital dengan memanfaatkan arsitektur sequential F-CNN. Pengolahan citra pada buah jambu kristal dilakukan untuk mengenali tingkat kematangan berdasarkan Minggu panen dengan memanfaatkan fitur tekstur (Local Binary Pattern). Selanjutnya akan diproses menggunakan metode F-CNN yang terbagi atas tiga dataset, yaitu data training sebanyak 5670, data validasi sebanyak 1215 dan data testing sebanyak 1215 gambar, data uju dibagi menjadi 3 kelas kematangan dari Minggu panen Minggu ke-7, ke-8 dan ke-9. Hasil dari proses pelatihan terhadap model sequential pada penelitian ini mendapatkan nilai akurasi training sebesar 78,6% sedangkan pengujian terhadap data testing dan validasi mendapatkan nilai akurasi sebesar 62.88% . Kata kunci : Jambu biji, image processing, F-CNN, LBP This research aims to build a sequential architecture and analyze the accuracy of the F-CNN method for the prediction of ripeness of crystal guava fruit (Psidium guajava L.). One alternative that can be used to identify fruit ripeness is to use image processing techniques or digital image processing by utilizing the sequential F-CNN architecture. Image processing on crystal guava fruit is carried out to recognize the level of ripeness based on harvest age by utilizing texture features (Local Binary Pattern). Next, it will be processed using the F-CNN method which is divided into three datasets, namely training data of 5670, validation data of 1215 and testing data of 1215 images, the test data is divided into 3 maturity classes from the harvest age of Week 7, 8 and 9. The results of the training process on the sequential model in this study obtained an accuracy value of 78.6% while testing on the testing data obtained an accuracy value of 62.88%. Keyword : Guava, Image Processing, F-CNN, LBP

Jenis Karya Akhir:	Skripsi
Subyek:	600 Teknologi (ilmu terapan) > 630 Pertanian dan teknologi yang berkaitan
Program Studi:	FAKULTAS PERTANIAN (FP) & PASCASERJANA > Prodi S1 Teknik Pertanian
Pengguna Deposit:	UPT . Desi Zulfi Melasari
Date Deposited:	04 Nov 2025 08:35
Terakhir diubah:	04 Nov 2025 08:35
URI:	http://digilib.unila.ac.id/id/eprint/92681

Actions (login required)

Lihat Karya Akhir