Klasifikasi Citra Buah-buahan Menggunakan Hibrida Convolutional Neural Network dan Support Vector Machine

Laute, Sally Angela Salma and Siswantoro, Joko and Prasetyo, Vincentius Riandaru (2025) Klasifikasi Citra Buah-buahan Menggunakan Hibrida Convolutional Neural Network dan Support Vector Machine. [Copyright]

PDF Klasifikasi Citra Buah-buahan Menggunakan Hibrida Convolutional Neural Network dan Support Vector Machine.pdf - Published Version Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Klasifikasi citra buah-buahan merupakan salah satu aplikasi dalam bidang pengolahan citra dan kecerdasan buatan, khususnya dalam berbagai industri seperti pertanian dan pengolahan makanan. Saat ini, penyortiran buah-buahan masih dilakukan secara konvensional dengan tenaga manusia, yang memiliki keterbatasan dari segi fisik manusia serta rentan akan kesalahan. Pada tugas akhir ini, penulis mengembangkan sistem klasifikasi citra buah-buahan menggunakan pendekatan hibrida yang menggabungkan Convolutional Neural Network (CNN) dan Support Vector Machine (SVM). CNN digunakan untuk ekstraksi fitur dari citra buah, karena kemampuannya dalam menangkap informasi spasial dan fitur dari citra. Hasil ekstraksi fitur dari CNN kemudian digunakan sebagai input untuk SVM yang bertugas melakukan klasifikasi akhir. Model hibrida CNN-SVM yang diuji dalam percobaan ini, yaitu VGG16-SVM, ResNet50-SVM, dan MobileNetV2-SVM. Hasil eksperimen pada tiga dataset yang digunakan menunjukkan bahwa model MobileNetV2-SVM memberikan performa terbaik dengan akurasi sebesar 98.67% pada dataset Ubaya-IFDS3000, 99.30% pada dataset Ubaya-IFDS5000, dan 99.62% pada dataset Supermarket produce. Model terbaik kemudian digunakan pada aplikasi klasifikasi citra buah berbasis website. Aplikasi yang dibuat akan memberikan output berupa label/class buah-buahan.

Item Type:	Copyright
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering > Department of Informatic
Depositing User:	VINCENTIUS RIANDARU PRASETYO
Date Deposited:	06 Oct 2025 02:46
Last Modified:	06 Oct 2025 02:46
URI:	http://repository.ubaya.ac.id/id/eprint/49667

Actions (login required)

View Item