STUDI KASUS RESNET 50, VGG 16, EFFICIENTNET B1, DAN YOLO V5 Ulil Albab Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer 2023

Skripsi

Biji lada normal dan rusak merupakan dua kategori biji lada yang sering ditemukan dalam proses pengolahan biji lada. Penyortiran biji lada merupakan tugas penting untuk memastikan kualitas biji lada yang dihasilkan. Namun, penyortiran biji lada secara manual oleh petani masih memerlukan waktu yang lama dan seringkali menimbulkan kesulitan dalam memilih lada yang baik. Penelitian ini bertujuan untuk merancang sebuah model deep learning yang dapat mengklasifikasikan biji lada normal dan biji lada yang rusak secara akurat. Dalam penelitian ini, empat arsitektur deep learning yang digunakan, yaitu ResNet-50, VGG-16, EfficientNet-B1, dan YOLO v5 (dalam variasi yaitu YOLO v5s, YOLO v5m, YOLO v5l, dan YOLO v5x) dievaluasi berdasarkan akurasi, recall, dan presisi. Hasil pengujian menunjukkan bahwa semua model deep learning yang dievaluasi memiliki performa yang sangat baik dalam mengklasifikasikan biji lada normal dan biji lada rusak. Keseluruhan model memiliki tingkat akurasi yang tinggi dengan nilai di atas 0.975, menunjukkan kemampuan model untuk memberikan hasil klasifikasi yang benar. Selain itu, model-model tersebut juga memiliki tingkat recall yang tinggi, yaitu di atas 0.96, menunjukkan kemampuan model dalam mendeteksi biji lada rusak dengan baik. Hal ini berarti model-model tersebut memiliki tingkat keberhasilan yang tinggi dalam mengidentifikasi biji lada yang mengalami kerusakan atau cacat. Selanjutnya, model-model deep learning yang dievaluasi juga memiliki nilai presisi yang sangat baik, yaitu 1. Nilai ini menunjukkan bahwa model-model tersebut memberikan hasil klasifikasi yang tepat untuk biji lada normal dan biji lada rusak tanpa banyak menghasilkan kesalahan. Keyword: Biji Lada, Convolutional Neural Network, Deep Learning 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 113634 2023-08-24 14:11:31 2023-08-24 15:26:29 machine generated