MAULIZA PUTRI Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer

Skripsi

Penelitian ini mengembangkan sistem klasifikasi otomatis untuk membedakan larutan H₂O murni dan H₂O campuran NaOH menggunakan citra multispektral pola High-High Fluctuation (HHF). Secara visual kedua larutan tampak identik sehingga diperlukan pendekatan berbasis pengolahan citra digital. Metode yang diterapkan meliputi tiga tahap: (1) segmentasi K-Means untuk mengekstrak area larutan dari latar belakang, (2) klasifikasi menggunakan tiga arsitektur Convolutional Neural Network (CNN) yaitu InceptionV3, VGG19, dan DenseNet201, serta (3) penggabungan hasil klasifikasi melalui Auto Weighted Decision Fusion. Dataset terdiri dari 1.050 citra (525 H₂O dan 525 H₂O+NaOH) yang dibagi menjadi 70% data latih, 15% validasi, dan 15% pengujian. Hasil eksperimen menunjukkan bahwa VGG19 mencapai akurasi pengujian tertinggi sebesar 98,55% dengan F1-score 0,98 pada kondisi evaluasi dengan segmentasi K-Means. Namun, penentuan bobot pada tahap Auto Weighted Decision Fusion didasarkan pada evaluasi independen tanpa segmentasi K-Means, yang mengukur ketangguhan (robustness) masing-masing arsitektur secara mandiri. Pada kondisi tersebut, DenseNet201 menunjukkan akurasi tertinggi sebesar 95,86%, diikuti InceptionV3 sebesar 82,82%, dan VGG19 sebesar 46,58%, yang mengindikasikan bahwa VGG19 memiliki ketergantungan tinggi terhadap kualitas input hasil segmentasi. Berdasarkan hasil evaluasi independen tersebut, bobot yang ditetapkan adalah DenseNet201 (0,43), InceptionV3 (0,37), dan VGG19 (0,21). Setelah penerapan Auto Weighted Decision Fusion, sistem mencapai akurasi akhir sebesar 91,5%, yang mencerminkan peningkatan stabilitas dan konsistensi prediksi dibandingkan model tunggal dalam menghadapi variasi distribusi data. Sistem diimplementasikan dalam platform berbasis website sebagai antarmuka klasifikasi yang dapat diakses secara langsung. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1714107 2026-04-15 23:00:05 2026-04-16 15:55:24 machine generated