Klasifikasi Kematangan Buah Durian Berdasarkan Respon Suara Ketukan Menggunakan CNN

Ardyansyah, Ricko (2024) Klasifikasi Kematangan Buah Durian Berdasarkan Respon Suara Ketukan Menggunakan CNN. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5009201042-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Durian adalah buah asli Asia Tenggara yang terkenal dan populer. Klasifikasi kematangan buah durian adalah aspek penting dalam manajemen pasokan dan pemasaran buah durian. Buah durian yang dipetik pada tingkat kematangan yang tepat dapat meningkatkan daya tarik konsumen, memberikan nilai tambah pada produk, dan mengurangi kerugian pasca-panen. Penelitian ini dapat memberikan kontribusi signifikan dalam meningkatkan industri pertanian durian dan mendukung keberlanjutan usaha ini di masa depan. Pengambilan data untuk penelitian ini didaerah Trawas, Mojokerto yang dibimbing oleh human expert. Jumlah data yang dikumpulkan sebanyak 200 dengan 100 data mentah dan 100 data matang durian berformatkan (.wav). Perancangan desain atau pemodelan yang dibuat untuk mengetahui tingkat kematangan buah durian menggunakan pemodelan CNN yang dimana menggunakan dua arsitektur yang berbeda yaitu Resnet50 dan VGGNet19, dengan masing masing arsitektur menggunakan 2 data input yang berbeda yaitu me-spektogram dan MFCC yang menggunakan epoch sebesarr 60. Akurasi yang didapatkan dari pemodelan yang telah dibuat yaitu Resnet50 dengan mel-spektogram epoch 60 sebesar 65,0%, untuk MFCC epoch 60 sebesar 95%, lalu untuk VGGNet19 dengan mel-spektogram epoch 60 sebesar 60.0%, untuk MFCC epoch 60 sebesar 90.0%. Perbandingan antar model yang telah dibuat dapat dianalisa dari hasil training dan testing bahwa model arsitektur Resnet50 lebih optimal saat menggunakan MFCC dengan epoch sebesar 60 yang mempunyai nilai akurasi sebesar 95.5%, Untuk arsitektur VGGNet19 lebih optimal saat menggunakan MFCC dengan epoch 60 yang mempunyai nilai akurasi sebesar 90.0%.
========================================================================================================================
Durian is a well-known and popular fruit native to Southeast Asia. Maturity classification of durian fruits is an important aspect in the supply management and marketing of durian fruits. Durian fruits picked at the right ripeness level can increase consumer appeal, add value to the product, and reduce post-harvest losses. This research can make a significant contribution in improving the durian farming industry and supporting the sustainability of this endeavor in the future. Data were collected for this study in Trawas, Mojokerto, guided by human experts. The amount of data collected was 200 with 100 raw data and 100 durian ripe data formatted (.wav). The design or modeling design made to determine the level of maturity of durian fruit using CNN modeling which uses two different architectures, namely Resnet50 and VGGNet19, with each architecture using 2 different input data, namely me-spectogram and MFCC which uses epoch of 60. The accuracy obtained from the modeling that has been made is Resnet50 with mel-spectogram epoch 60 of 65.0%, for MFCC epoch 60 of 95%, then for VGGNet19 with mel-spectogram epoch 60 of 60.0%, for MFCC epoch 60 of 90.0%. Comparison between models that have been made can be analyzed from the results of training and testing that the Resnet50 architecture model is more optimal when using MFCC with an epoch of 60 which has an accuracy value of 95.5%, for the VGGNet19 architecture is more optimal when using MFCC with epoch 60 which has an accuracy value of 90.0%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	CNN, The Knocking Sound, Classification, MFCC, Mel-Spektogram, CNN, Respon Suara Ketukan,Klasifikasi Kematangan, MFCC, Mel-Spektogram
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing T Technology > T Technology (General) > T57.74 Linear programming
Divisions:	Faculty of Industrial Technology > Physics Engineering > 30201-(S1) Undergraduate Thesis
Depositing User:	Ricko Ardyansyah
Date Deposited:	08 Aug 2024 07:43
Last Modified:	08 Aug 2024 07:43
URI:	http://repository.its.ac.id/id/eprint/111810

Actions (login required)

View Item