Muhammad Hafez Al - Assad Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer 2023

Skripsi

Buah semangka termasuk dalam kategori buah non-klimaterik, yaitu jenis buah yang tidak melanjutkan proses pertumbuhan fisiologis setelah panen. Oleh karena itu, penting untuk menentukan waktu panen yang tepat. Pada dasarnya, kualitas buah semangka dapat diukur menggunakan refraktometer untuk menghitung nilai Total Padatan Terlarut (TPT) dalam satuan persen Brix. Namun, metode tersebut hanya dapat dilakukan setelah buah dipotong atau dibelah. Terdapat beberapa cara lain yang dapat digunakan untuk mengidentifikasi kualitas buah tanpa merusaknya, misalnya dengan melihat kondisi visual buah. Salah satu contohnya adalah dengan memeriksa bagian Field Spot pada permukaan buah semangka, seperti yang biasa dilakukan oleh petani dan penjual buah. Akan tetapi sifat subjektif dan keterbatasan indera manusia membuat identifikasi tersebut tidak sesuai standar untuk mengukur tingkat kualitas tersebut. Penelitian ini bertujuan untuk mengembangkan model klasifikasi tingkat kemanisan buah semangka berdasarkan ciri visual Field Spot menggunakan empat jenis arsitektur Convolutional Neural Network (CNN), yaitu Residual Neural Network (ResNet)-50, EfficientNet B4, EfficientNet B7 dan ShuffleNet V2 dengan menggunakan Dataset Primer. Output dari model ini akan mengklasifikasikan semangka ke dalam dua kelas, yaitu buah manis dan buah tidak manis. Berdasarkan hasil penelitian yang telah dilakukan, EfficientNet B7 memperoleh hasil yang paling optimal dengan tingkat akurasi mencapai 100%. Diikuti oleh EfficientNet B4 dengan akurasi 97%, ResNet-50 dengan akurasi 97%, dan ShuffleNet dengan akurasi 91% 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 117756 2023-12-07 20:53:57 2023-12-08 11:02:17 machine generated