Pengembangan Aplikasi Mobile Untuk Klasifikasi Kematangan Buah Kelapa Sawit Menggunakan TensorFlow Lite

Athallah, Muhammad Ararya Hafizh Athallah (2025) Pengembangan Aplikasi Mobile Untuk Klasifikasi Kematangan Buah Kelapa Sawit Menggunakan TensorFlow Lite. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5024201067_Undergraduate_Thesis.pdf Restricted to Repository staff only Download (8MB) | Request a copy

Abstract

Klasifikasi kematangan buah kelapa sawit secara otomatis semakin penting dalam mendukung industri perkebunan dan pemantauan kualitas hasil panen. Studi ini mengembangkan aplikasi mobile berbasis TensorFlow Lite yang memungkinkan pengguna mengklasifikasikan tingkat kematangan buah kelapa sawit dengan mengambil gambar. Aplikasi ini dirancang untuk menjalankan model TFLite secara offline, sehingga dapat digunakan tanpa bergantung pada koneksi internet. Model yang digunakan mampu mengidentifikasi buah kelapa sawit dan mengevaluasi tingkat kematangannya berdasarkan gambar yang diambil. Pengujian dilakukan untuk mengukur akurasi klasifikasi serta memastikan aplikasi dapat berfungsi dengan baik dalam berbagai kondisi pengambilan gambar. Hasil pengujian menunjukkan bahwa aplikasi ini mampu mengklasifikasikan kematangan buah kelapa sawit dengan akurat, menjadikannya solusi yang efisien untuk mendukung proses panen dan manajemen perkebunan berbasis teknologi mobile.
==============================================================================================================================
Automated classification of oil palm fruit ripeness is becoming increasingly important in supporting the plantation industry and monitoring harvest quality. This study develops a mobile application based on TensorFlow Lite that enables users to classify the ripeness level of oil palm fruits by capturing image. The application is designed to run the TFLite model offline, allowing it to be used without relying on an internet connection. The model can identify oil palm fruits and assess their ripeness level based on the captured image. Testing was conducted to measure classification accuracy and ensure the application functions well under various image capture conditions. The results show that the application can accurately classify the ripeness of oil palm fruits, making it an efficient solution for supporting the harvesting process and plantation management using mobile technology.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	TensorFlow Lite, kelapa sawit, aplikasi mobile, klasifikasi, TensorFlow Lite, oil palm, mobile application, classification
Subjects:	Q Science > QA Mathematics > QA76.585 Cloud computing. Mobile computing. Q Science > QA Mathematics > QA76.758 Software engineering
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Computer Engineering > 90243-(S1) Undergraduate Thesis
Depositing User:	Muhammad Ararya Hafizh Athalla
Date Deposited:	30 Jul 2025 06:01
Last Modified:	30 Jul 2025 06:01
URI:	http://repository.its.ac.id/id/eprint/123284

Actions (login required)

View Item