KELOLA FOOD LOSS DENGAN MEMANFAATKAN KOMUNIKASI INDIKATOR WARNA BUAH JERUK UNTUK MENENTUKAN HARGA DARI TINGKAT KEMATANGAN DENGAN METODE CONVOLUTIONAL NEURAL NETWORK

Aini, Syifa Nur (2022) KELOLA FOOD LOSS DENGAN MEMANFAATKAN KOMUNIKASI INDIKATOR WARNA BUAH JERUK UNTUK MENENTUKAN HARGA DARI TINGKAT KEMATANGAN DENGAN METODE CONVOLUTIONAL NEURAL NETWORK. Tugas Akhir (S1) - thesis, UNIVERSITAS BAKRIE.

[thumbnail of Cover]
Preview
Text (Cover)
00. Cover.pdf - Submitted Version

Download (2MB) | Preview
[thumbnail of BAB I-III] Text (BAB I-III)
01. BAB I-III.pdf - Submitted Version
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB IV] Text (BAB IV)
02. BAB IV.pdf - Submitted Version
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB V] Text (BAB V)
03. BAB V.pdf
Restricted to Registered users only

Download (389kB)
[thumbnail of BAB Daftar Pustaka]
Preview
Text (BAB Daftar Pustaka)
04. BAB Daftar Pustaka.pdf - Submitted Version

Download (482kB) | Preview
[thumbnail of Lampiran]
Preview
Text (Lampiran)
05. Lampiran.pdf

Download (1MB) | Preview

Abstract

Food loss merupakan bagian dari food waste jika dalam tahapan dan rantai makanan terdapat ketidaksempurnaan dalam perawatan bahan pangan setelah panen, kerusakan saat proses pengiriman, hingga rendahnya tingkat perencanaan makanan (meal plan). Sebagai implikasi langsung pada bisnis retail, food loss merupakan permasalahan yang harus ditangan dengan penguatan pada research and development setiap perusahaan. Menimbang permasalahan yang dipaparkan, peneliti melihat potensi bentuk pencegahan food loss yang dapat elevasi usaha dengan metode deteksi buah pada jeruk yang di jual di supermarket. Menggunakan bantuan teknologi machine learning dan membangun model dengan algoritma Convolutional Neural Network. Sehingga penelitian ini berfokus utama pada pembuatan model klasifikasi buah dari tingkat kematangan menggunakan algoritma CNN dan penambahan fitur untuk memprediksi harga buah. menggunakan 3852 dataset gambar buah jeruk. dengan metode ini, penulis mendapatkan tingkat akurasi 96%.

Item Type: Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords: buah jeruk, machine learning, deep learning, CNN, klasifikasi gambar
Subjects: Computer Science > Image Processing
Computer Science > Informatics
Thesis > Thesis (S1)
Divisions: Fakultas Teknik dan Ilmu Komputer > Program Studi Informatika
Depositing User: Syifa Nur Aini
Date Deposited: 20 Aug 2022 01:39
Last Modified: 20 Aug 2022 01:39
URI: https://repository.bakrie.ac.id/id/eprint/6628

Actions (login required)

View Item View Item