Kategorisasi Mutu Tahu Putih Dengan Pendekatan Convolutional Neural Network

Rahmadani, Irwan (2023) Kategorisasi Mutu Tahu Putih Dengan Pendekatan Convolutional Neural Network. Bachelor thesis, Institut Teknologi Kalimantan.

	Text 12191039_cover.pdf Download (309kB)
	Text 12191039_statement_of_authenticity.pdf Download (178kB)
	Text 12191039_publishing_agreement.pdf Download (219kB)
	Text 12191039_approval_sheet.pdf Download (175kB)
	Text 12191039_preface.pdf Download (2MB)
	Text 12191039_abstract_id.pdf Download (170kB)
	Text 12191039_abstract_en.pdf Restricted to Repository staff only until 7 January 2025. Download (170kB) | Request a copy
	Text 12191039_table_of_content.pdf Restricted to Repository staff only until 7 January 2025. Download (195kB) | Request a copy
	Text 12191039_illustrations.pdf Restricted to Repository staff only until 7 January 2025. Download (187kB) | Request a copy
	Text 12191039_tables.pdf Restricted to Repository staff only until 7 January 2025. Download (170kB) | Request a copy
	Text 12191039_chapter_1.pdf Restricted to Repository staff only until 7 January 2025. Download (417kB) | Request a copy
	Text 12191039_chapter_2.pdf Restricted to Repository staff only until 7 January 2025. Download (316kB) | Request a copy
	Text 12191039_chapter_3.pdf Restricted to Repository staff only until 7 January 2025. Download (749kB) | Request a copy
	Text 12191039_chapter_4.pdf Restricted to Repository staff only until 7 January 2025. Download (2MB) | Request a copy
	Text 12191039_conclusions.pdf Restricted to Repository staff only until 7 January 2025. Download (171kB) | Request a copy
	Text 12191039_bibliography.pdf Download (244kB)
	Text 12191039_enclosure.pdf Restricted to Repository staff only until 7 January 2025. Download (2MB) | Request a copy
	Text 12191039_paper.pdf Restricted to Repository staff only until 7 January 2025. Download (1MB) | Request a copy
	Text 12191039_presentation.pdf Restricted to Repository staff only until 7 January 2025. Download (3MB) | Request a copy
	Text 12191039_form020.pdf Restricted to Repository staff only until 7 January 2025. Download (263kB) | Request a copy

Abstract

Kategorisasi mutu tahu merupakan proses pengelompokan produk tahu berdasarkan kualitasnya. Namun, industri tahu menghadapi beberapa permasalahan, seperti kesulitan dalam menentukan kualitas tahu secara akurat dan efisien, serta menentukan harga jual yang sesuai dengan kualitas produk tahu. Penentuan kualitas tahu seringkali dilakukan secara manual oleh ahli atau pengrajin tahu, yang menghasilkan hasil yang tidak konsisten dan kurang objektif. Selain itu, proses ini membutuhkan waktu dan biaya yang besar, sementara harga jual produk tahu ditentukan berdasarkan pengalaman dan asumsi. Untuk mengatasi permasalahan ini, penggunaan teknologi seperti convolutional neural network (CNN) dapat menjadi solusi yang efektif dalam kategorisasi mutu tahu. Dalam penelitian ini, peneliti mengembangkan sebuah model CNN untuk melakukan klasifikasi kategori mutu tahu berdasarkan citra digital dan menentukan grid produk tahu berdasarkan kategori mutunya. Tahapan penelitian ini meliputi pengambilan sampel data, pelabelan data, preprocessing citra, pembuatan model CNN, training model CNN, dan evaluasi model CNN. Sampel data yang digunakan dalam penelitian ini terdiri dari 600 citra tahu yang terbagi menjadi tiga kategori mutu, yaitu mutu A, B, dan C. Peneliti menggunakan metode pembaharuan stokastik (Stochastic Gradient Descent) dengan learning rate 0.001, dan fungsi aktivasi ReLU. Hasil pengembangan menunjukkan bahwa model kedua keseluruhan bentuk memiliki tingkat performansi dan validasi akurasi yang lebih tinggi sebesar 100 % dibandingkan dengan model pertama tampak permukaan sebesar 77%. Model kedua memiliki arsitektur yang lebih kompleks dan lebih sesuai dengan karakteristik deteksi keseluruhan bentuk pada tahu. Dengan pengembangan model CNN ini, diharapkan industri tahu dapat meningkatkan efisiensi dalam penentuan kualitas tahu dan harga jual yang sesuai. Implementasi teknologi ini memungkinkan kategorisasi mutu tahu yang akurat dan objektif berdasarkan citra digital, yang dapat mengurangi ketergantungan pada penilaian manual.

Item Type:	Thesis (Bachelor)
Subjects:	T Technology > TS Manufactures
Divisions:	Jurusan Teknologi Industri dan Proses > Teknik Industri
Depositing User:	Irwan Rahmadani
Date Deposited:	13 Jul 2023 06:09
Last Modified:	13 Jul 2023 06:09
URI:	http://repository.itk.ac.id/id/eprint/19737

Actions (login required)

View Item