IMPLEMENTASI TENSORFLOW LITE UNTUK MENDETEKSI TINGKAT KEMATANGAN BUAH PISANG MENGGUNAKAN ANDROID
| Main Author: | KUSUMO HARYO, WILKAN |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2022
|
| Subjects: | |
| Online Access: |
https://eprints.untirta.ac.id/14710/1/COVER.pdf https://eprints.untirta.ac.id/14710/2/BAB%201.pdf https://eprints.untirta.ac.id/14710/3/BAB%202.pdf https://eprints.untirta.ac.id/14710/4/BAB%203.pdf https://eprints.untirta.ac.id/14710/5/BAB%204.pdf https://eprints.untirta.ac.id/14710/6/BAB%205.pdf https://eprints.untirta.ac.id/14710/7/DAFTAR%20PUSTAKA.pdf https://eprints.untirta.ac.id/14710/ |
Daftar Isi:
- Buah pisang merupakan komoditas yang memberikan kontribusi besar terhadap angka produksi buah nasional maupun internasional. Pemerintah melalui Badan Standarisasi Nasional menetapkan standar untuk buah pisang. Oleh sebab itu, maka perlu adanya sebuah acuan mutu atas produk yang dihasilkan petani agar mampu menjaga kepercayaan konsumen. Pemerintah sudah menentukan standar bagi buah pisang, yakni SNI 7422:2009 [1]. Tujuan dari penelitian ini adalah klasifikasi tahapan kematangan dari buah pisang menggunakan metode CNN (Convolution Neural Network) sesuai dengan SNI. Mengingat pada jaman sekarang orang-orang banyak menggunakan perangkat karena keunggulan dari aplikasi mobile ini adalah mudah dan dapat digunakan dimana saja, penulis mencoba mengimplementasikan klasifikasi objek berbasis CNN kedalam perangkat mobile.Tensorflow Lite merupakan solusi untuk mengklasifikasi objek melalui perangkat mobile, tensorflow lite mampu mengubah model arsitektur CNN non mobile menjadi mobile, membuat proses klasifikasi menjadi lebih ringan dan dengan ukuran file yang lebih kecil. Dataset yang digunakan bersumber dari google image dan kamera handphone dengan jumlah citra sebanyak 225 citra pisang. Dari hasil penilitan aplikasi dapat berjalan pada perangkat low end dengan tingkat akurasi 100% dan dengan nilai keyakinan rata-rata diatas 90%.