MUHAMMAD GALUH SULTHAN NAUFAL Primary Author mixed material bibliography Banda Aceh Fakultas Pertanian 2025

Skripsi

Tanaman melinjo merupakan salah satu komoditas pertanian khas Indonesia, yang bijinya diolah menjadi emping, produk makanan ringan dengan permintaan tinggi dipasar domestik maupun internasional. Proses klasifikasi kualitas emping secara manual dianggap kurang efisien dan memakan waktu sehingga belum mampu memenuhi permintaan pasar. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kualitas emping melinjo secara otomatis dan real time menggunakan metode deep learning sehingga meningkatkan efisiensi dan nilai jual. Sebanyak 2119 sampel emping melinjo dari Beureunuen, Pidie digunakan yang dibagi menjadi 919 sampel untuk preprocessing data dan 1200 sampel untuk pengaplikasi uji real time. Akuisisi citra dilakukan menggunakan kamera Infinix Note 30 dengan bantuan ring light. Kemudian data citra diolah menggunakan software MVTec Halcon dengan empat arsitektur deep learning : AlexNet, MobileNet V2, ResNet 18, dan ResNet 50. Data preprocessing dibagi menjadi 70% data latih, 15% data uji, dan 15% data validasi untuk membangun model. pengaplikasian uji real time dilakukan menggunakan conveyor belt dengan kecepatan 2 cm/s, kamera pada jarak 22 cm, dan tingkat kecerahan ruangan 31 lux, di mana setiap model mengklasifikasikan 300 sampel. Hasil penelitian menunjukkan bahwa arsitektur ResNet18 mencapai akurasi tertinggi sebesar 93,7%, diikuti oleh AlexNet (91%), MobileNetV2 (84,7%), dan ResNet50 (84,7%). Model ResNet18 terbukti menjadi yang terbaik untuk tugas klasifikasi kualitas emping melinjo secara real time, menjadi pilihan dan solusi untuk otomatisasi proses sortir dan peningkatan mutu produk emping melinjo. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 159141 2025-07-09 09:10:47 2025-07-09 09:18:10 machine generated