FEBBY SURYA AYU NENGSIH, 221280027 (2025) RANCANG BANGUN APLIKASI PENDETEKSI TINGKAT KEKERINGAN PADA BIJI KAKAO BERBASIS ANDROID. Other thesis, UNIVERSITAS MUHAMMADIYAH PAREPARE.
SAMPUL_221280027_FEBBY SURYA AYU NENGSIH_INFORMATIKA.pdf - Cover Image
Download (48kB)
PENDAHULUAN_221280027_FEBBY SURYA AYU NENGSIH_INFORMATIKA.pdf - Supplemental Material
Download (740kB)
ISI_221280027_FEBBY SURYA AYU NENGSIH_INFORMATIKA.pdf - Supplemental Material
Download (1MB)
LAMPIRAN_221280027_FEBBY SURYA AYU NENGSIH_INFORMATIKA.pdf - Supplemental Material
Download (684kB)
JURNAL_221280027_FEBBY SURYA AYU NENGSIH_INFORMATIKA.pdf - Published Version
Download (149kB)
Abstract
ABSTRAK
FEBBY SURYA AYU NENGSIH. Rancang Bangun Aplikasi Pendeteksi Tingkat Kekeringan Pada Biji Kakao Berbasis Android (dibimbing oleh Untung Suwardoyo dan A. Irmayani Pawelloi).
Penelitian ini berfokus pada implementasi algoritma Convolutional Neural Network (CNN) menggunakan TensorFlow untuk mendeteksi tingkat kekeringan biji kakao melalui citra digital. Sistem dikembangkan dalam bentuk aplikasi Android yang mampu mengklasifikasikan biji kakao ke dalam tiga kategori: basah, setengah kering, dan kering. Pengujian dilakukan dengan variasi latar belakang, resolusi kamera (13 MP, 50 MP, dan 108 MP), serta jarak pemotretan. Hasil menunjukkan bahwa kualitas deteksi sangat dipengaruhi oleh resolusi kamera, di mana kamera 108 MP menghasilkan deteksi yang paling akurat dan stabil pada jarak 7–25 cm, terutama dengan latar berwarna orange. Sebaliknya, latar biru menghasilkan performa terendah pada semua kategori. Selain itu, dilakukan juga pengujian tambahan menggunakan objek non-biji kakao. Namun, model kurang akurat dalam membedakan biji kakao dengan objek lain di luar dataset.
| Item Type: | Thesis (Other) |
|---|---|
| Uncontrolled Keywords: | Biji kakao, Aplikasi android, CNN, TensorFlow, Klasifikasi gambar |
| Subjects: | Sains dan Teknologi |
| Divisions: | Fakultas Teknik > Teknik Informatika |
| Depositing User: | Hairan ald |
| Date Deposited: | 10 Nov 2026 01:23 |
| Last Modified: | 10 Nov 2026 01:23 |
| URI: | https://repository.umpar.ac.id/id/eprint/1545 |
