“Implementasi Multi-View Convolutional Neural Network untuk Klasifikasi Kualitas Buah Jambu Kristal” ini dapat terselesaikan.

Rizal Setya Perdana, S.Kom., M.Kom., Ph.D. and Dr. Candra Dewi,, S.Kom., M.Sc. (2024) “Implementasi Multi-View Convolutional Neural Network untuk Klasifikasi Kualitas Buah Jambu Kristal” ini dapat terselesaikan. Sarjana thesis, Universitas Brawijaya.

Abstract

Jambu kristal atau Psidium Guajava merupakan buah yang umum dibudidayakan di negara-negara tropis, seperti India, Indonesia, Bangladesh, dan Amerika Selatan, dan banyak digunakan untuk kebutuhan industri. Dalam industri, menjaga standar kualitas buah di tahap produksi merupakan suatu tantangan yang membutuhkan perhatian khusus. Kelelahan dan keterampilan pekerja yang bervariasi juga proses penilaian menjadi tidak konsisten. Untuk meningkatkan pengendalian kualitas pada buah, diperlukan sebuah sistem yang dapat melakukan pengecekan kualitas secara konsisten dan efisien. Pembuatan sistem ini memiliki tantangan tersendiri, informasi yang diberikan oleh satu sisi yang ditangkap oleh kamera tidak cukup untuk mengetahui kualitas buah. Untuk mengatasi tantangan di atas, penelitian ini akan membuat sistem klasifikasi kualitas jambu kristal menggunakan Multi-View Convolutional Neural Network yang menerima input gambar dari dua view, atas dan bawah. Hasil dari penelitian adalah model dengan loss, akurasi, dan f1-score yang mencapai 0.194, 0.91, 0.93. Dengan melakukan pengurangan lapisan max-pooling sebanyak 1 di akhir, model mengalami peningkatan kinerja dengan loss, akurasi, dan f1-score yang mencapai 0.193, 0.93, 0.94.

English Abstract

Crystal Guava or Psidium Guajava is fruit commonly cultivated in tropical countries, such as India, Indonesia, Banglaedesh, and South American countries, and also widely used for industrial purposes. In the industry, maintaining quality standards of the fruit during the production stage is a challenge which requires special attention. Worker fatigue and varying skill levels can make the assessment process inconsistent. To improve quality control of the fruit, a system which can perform quality checks consistently and efficiently must be developed. Developing such a system presents its own challenges, as informations provided by a single side captured by a camera is not sufficient to determine the quality of the fruit. To address these challenges, this research aims to develop a crystal guava quality classification system using Multi-View Convolutional Neural Network (MVCNN) which takes input images from two views, top and bottom. The results of this research is a model with loss, accuracy, and f1-score of 0.194, 0.91, and 0.93, respectively. By reducing the max-pooling layers by one at the end, the model's performance improved, achieving loss, accuracy, and f1-score of 0.193, 0.93, and 0.94, respectively.

Item Type:	Thesis (Sarjana)
Identification Number:	052415
Divisions:	Fakultas Ilmu Komputer > Sistem Informasi
Depositing User:	Sugeng Moelyono
Date Deposited:	28 Nov 2024 04:25
Last Modified:	28 Nov 2024 04:25
URI:	http://repository.ub.ac.id/id/eprint/229269

Text (DALAM MASA EMBARGO) Varel Yonathan Simangunsong.pdf Restricted to Registered users only Download (8MB)

Actions (login required)

View Item