BAQIY, Nashirudin (2025) Klasifikasi Buah Segar dan Busuk Menggunakan Convolutional Neural Network ResNet50. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (35kB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (162kB)
	Text 4. KATA PENGANTAR.pdf Restricted to Repository staff only Download (136kB) | Request a copy
	Text 6. ABSTRAK.pdf Download (7kB)
	Text 7. ABSTRACT.pdf Download (7kB)
	Text 8. DAFTAR ISI.pdf Download (228kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (92kB)

Abstract

ABSTRAK
Buah-buahan merupakan komoditas penting dengan permintaan tinggi, khususnya di
Indonesia, namun proses klasifikasi manual buah segar dan busuk memiliki keterbatasan
dalam hal efisiensi dan biaya. Teknologi deep learning, terutama Convolutional Neural
Network (CNN), telah terbukti mampu meningkatkan akurasi dan efisiensi dalam
pemrosesan citra skala besar, termasuk deteksi kesegaran buah secara otomatis. Penelitian
ini bertujuan untuk mengembangkan model klasifikasi buah segar dan busuk menggunakan
arsitektur ResNet50 dengan transfer learning. Dataset yang digunakan berasal dari Fresh
and Rotten Fruits Dataset dengan total 3.200 citra, yang dibagi menjadi 70% data latih, 15%
data validasi, dan 15% data uji. Teknik augmentasi diterapkan untuk meningkatkan variasi
dataset. Model dilatih menggunakan grid search untuk menemukan kombinasi
hyperparameter terbaik, yaitu batch size 64, dense units 128, dropout rate 0, dan learning
rate 0,001. Model ini mencapai F1-score tertinggi sebesar 99,37% dengan performa optimal
pada sebagian besar kelas. Selain itu, penelitian ini mengeksplorasi pengaruh
hyperparameter pada stabilitas model untuk digunakan pada dataset baru yang berbeda.
Hasil penelitian menunjukkan efektivitas ResNet50 dalam membedakan buah segar dan
busuk serta memberikan kontribusi signifikan dalam meningkatkan efisiensi dan akurasi
pengelolaan buah di industri pertanian.
Kata kunci : Klasifikasi Buah, CNN, Hyperparameter, ResNet50, Transfer learning

Actions (login required)

View Item