Electronic Theses and Dissertation

Abstrak – Pisang merupakan tanaman hortikultura yang banyak dibudidayakan di Indonesia. Terdapat beragam varietas dan jenis buah pisang tumbuh di Indonesia yang memiliki bentuk dan tekstur yang hampir serupa, sehingga membuat masyarakat atau konsumen kesulitan membedakannya. Berdasarkan permasalahan tersebut, peneliti megembangkan aplikasi android menggunakan metode Convolutional Neural Network dengan mengadopsi model arsitektur ResNet-50 untuk mengidentifikasi dua belas jenis buah pisang dengan akurat. Penelitian ini ditujukan sebagai penerapan dari teknologi artificial intelligence yang dapat diimplementasikan langsung melalui smartphone android. Manfaat dari penelitian ini adalah konsumen dapat membedakan langsung jenis-jenis pisang yang ditemui dengan menggunakan aplikasi yang telah dirancang. Penelitian ini dilakukan dengan melatih 2.776 dataset citra jenis buah pisang dengan dua belas kelas menggunakan beberapa hyperparameter yang telah ditentukan dan menghasilkan akurasi pengujian sebesar 88%. Setelah citra berhasil dilatih menggunakan arsitektur ResNet-50, kemudian model diterapkan pada aplikasi android yang dikembangkan dengan SDK flutter, sehingga aplikasi dapat mengklasifikasi jenis-jenis buah pisang.

Kata Kunci : Pisang, Deep Learning, Convolutional Neural Network, ResNet-50, Aplikasi Android.

Abstract - Banana is a horticultural crop that is widely cultivated in Indonesia. There are various varieties and types of bananas grown in Indonesia that have similar shapes and textures, making it difficult for people or consumers to distinguish them. Based on these problems, researchers developed an android application using the Convolutional Neural Network method by adopting the ResNet-50 architecture model to accurately identify twelve types of bananas. This research is intended as an application of artificial intelligence technology that can be implemented directly through an android smartphone. The benefit of this research is that consumers can directly distinguish the types of bananas encountered by using the application that has been designed. This research was conducted by training 2,776 image datasets of banana fruit types with twelve classes using several predetermined hyperparameters and resulted in a testing accuracy of 88%. After the image is successfully trained using the ResNet-50 architecture, then the model is applied to the android application developed with the flutter SDK, so that the application can classify the types of bananas. Keyword : Banana, Deep Learning, Convolutional Neural Network, ResNet-50, Android Application.