Klasifikasi Mutu Tembakau Rajang Maesan Menggunakan Metode Convolutional Neural Network

Khairunnisa Surjanto, Savira and Dr. Ir. Musthofa Lutfi,, MP, IPM, and Retno Damayanti,, STP., MP (2023) Klasifikasi Mutu Tembakau Rajang Maesan Menggunakan Metode Convolutional Neural Network. Sarjana thesis, Universitas Brawijaya.

Abstract

RINGKASAN Indonesia merupakan salah satu negara produsen tembakau terbesar di dunia dengan produksi tembakau 181.000 ton pada tahun 2018 (Setiawan dan Purnama, 2020). Indonesia memiliki beragam jenis tembakau seperti tembakau Deli, tembakau Temanggung, tembakau Virginia, tembakau Besuki dsb. Rokok linting adalah rokok yang dinikmati dengan cara menata rajangan tembakau dan melinting atau menggulung sendiri menggunakan kertas. Rokok linting banyak dinikmati karena konsumen bebas meracik sendiri rokok yang akan digunakan serta dapat mengatur lintingan rokoknya. Mengingat tingginya permintaan rokok linting maka mutu dari tembakau rajangan halus yang menjadi bahan baku dari rokok linting harus diperhatikan. Permasalahan yang ditemukan pada tembakau rajang adalah bentuknya yang halus dan kecil berupa rajangan menyulitkan pemilahan tembakau yang mengakibatkan standarisasi mutu tembakau. Bentuknya yang berupa rajangan juga rawan tercampur sehingga menjadi tidak murni dan campuran tersebut sulit untuk diidentifikasi jika campuran berjumlah kecil saat pemanenan atau disaat konsumen membeli rokok linting berupa tembakau rajangan. Mutu tembakau rajang baru diketahui setelah 2 hingga 3 tahun masa simpan. Artificial Intelligence (AI) atau kecerdasan buatan merupakan suatu bidang ilmu yang sedang dikembangkan untuk mengumpulkan data dan mempelajari data untuk mengambil suatu keputusan layaknya proses berpikir manusia. Convolutional Neural Network (CNN) merupakan bagian dari kecerdasan buatan berupa jaringan syaraf buatan yang dapat mengekstraksi data citra yang kompleks secara mandiri dan mengklasifikasikan sesuai kelas yang diharapkan. Pada penelitian ini, CNN dengan arsitektur SqueezeNet dengan tiga jenis optimizer yaitu optimizer adams, SGD dan RSMProps. CNN dengan arsitektur SqueezeNet dengan optimizer adams learning rate 0,0001 dapat menghasilkan nilai akurasi sebesar 100% selama proses training. Klasifikasi tembakau menggunakan metode CNN arsitektur Squeezenet dapat dilakukan dengan cukup baik. hasil akurasi tertinggi adalah 100% pada data training dan 97,2% pada data testing menggunakan optimizer Adams dengan learning rate 0,0001 dan hasil akurasi terendah adalah 50,35% pada data training dan 53,15% pada data testing masing-masing menggunakan optimizer SGD dengan learning rate 0,0005 dan RMSProps dengan learning rate 0,0005

English Abstract

SUMMARY Indonesia is one of the largest tobacco producing countries in the world with 181,000 tons of tobacco production in 2018 (Setiawan and Purnama, 2020). Indonesia has various types of tobacco such as deli tobacco, temanggung tobacco, virginia tobacco, besuki tobacco and so on. Roll-your-own cigarettes are cigarettes that are enjoyed by arranging sliced tobacco and rolling themselves using spesific paper. Many consumers enjoy roll-your-own cigarettes since they are able to customize their cigarette as their preference and roll by themselves. Given the high demand for roll-your-own cigarettes, the quality of finely sliced tobacco which is the raw material for roll-your-own cigarettes must be considered. The problem found in sliced tobacco is that its fine and small shape makes it difficult to classify the grade of the tobacco which results in standardization of tobacco quality. The sliced form is also prone to being mixed so that it becomes impure and the mixture is difficult to identify if the mixture is in small amounts during harvesting or when consumers buy roll-your-own cigarettes in the form of sliced tobacco. The quality of sliced tobacco is only known after 2 to 3 years of shelf life. Artificial Intelligence (AI) or artificial intelligence is a field of science that is being developed to collect data and study data to make decisions like human thought processes. Convolutional Neural Network (CNN) is part of artificial intelligence in the form of an artificial neural network that can independently extract complex image data and classify according to the expected class. In this study, CNN with the SqueezeNet architecture has three types of optimizers, namely the Adams optimizer, SGD and RSMProps. CNN with SqueezeNet architecture with optimizer adams learning rate 0.0001 can produce an accuracy value of 100% during the training process. Tobacco classification using the Squeezenet architecture CNN method can be done quite well. the highest accuracy results are 100% on training data and 97.2% on data testing using the Adams optimizer with a learning rate of 0.0001 and the lowest accuracy results are 50.35% on training data and 53.15% on data testing each using SGD optimizer with a learning rate of 0.0005 and RMSProps with a learning rate of 0.0005

Item Type:	Thesis (Sarjana)
Identification Number:	052310
Uncontrolled Keywords:	Kata Kunci: CNN, Deep learning, Mutu, Tembakau Rajang Maesan
Divisions:	Fakultas Teknologi Pertanian > Teknologi Industri Pertanian
Depositing User:	Unnamed user with username saputro
Date Deposited:	15 Jan 2024 04:50
Last Modified:	15 Jan 2024 04:50
URI:	http://repository.ub.ac.id/id/eprint/210106

Text (DALAM MASA EMBARGO) Savira Khairunnisa Surjanto.pdf Restricted to Registered users only until 31 December 2025. Download (12MB)

Actions (login required)

View Item