Klasifikasi Pisang Menggunakan Arsitektur NASNetMobile-CBAM - Dalam bentuk pengganti sidang - Artikel Jurnal
ALDI MUHAMMAD FARHAN

Informasi Umum

Kode

25.04.7093

Klasifikasi

005.1 - Computer programming

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Classification

Dilihat

35 kali

Informasi Lainnya

Abstraksi

Banyak perekonomian negara sangat bergantung pada sektor pertanian. Pertanian cerdas, yang<br /> mengintegrasikan kecerdasan buatan, menawarkan solusi inovatif untuk meningkatkan efisiensi<br /> produksi. Klasifikasi manual kematangan pisang seringkali subjektif dan memakan banyak tenaga<br /> kerja, menimbulkan tantangan dalam menjaga kualitas dan konsistensi selama proses pasca panen.<br /> Studi ini mengusulkan sistem klasifikasi kematangan pisang otomatis menggunakan arsitektur deep<br /> learning NASNetMobile yang diperkuat dengan Modul Perhatian Blok Konvolusional (CBAM).<br /> Jaringan saraf konvolusional (CNN) yang ringan diimplementasikan untuk mengklasifikasikan pisang<br /> ke dalam empat tahap kematangan: belum matang/hijau, hijau kekuningan, setengah matang, dan<br /> terlalu matang, menggunakan dataset dunia nyata dengan teknik augmentasi data. Hasil eksperimen<br /> menunjukkan bahwa model NASNetMobile+CBAM outperforms model dasar, mencapai akurasi<br /> 89,27%, presisi 89,27%, recall 87,56%, dan skor F1 87,67%. Integrasi CBAM secara efektif mengatasi<br /> ketidakseimbangan kelas, terutama pada kategori sulit seperti Kelas B, dan meningkatkan akurasi dari<br /> 59,5% menjadi 70,6% pada epoch ke-100. Selain itu, CBAM berkontribusi pada stabilitas pembelajaran<br /> yang lebih baik dan kemampuan generalisasi. Penelitian ini berkontribusi pada kemajuan pertanian<br /> cerdas dengan memfasilitasi klasifikasi kematangan buah secara otomatis yang akurat dan efisien.

• CAK4FAA4 - Tugas Akhir

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook