Pembangunan Aplikasi Pendeteksi Tingkat Kematangan Buah

Syahrizal, Seldi (2024) Pembangunan Aplikasi Pendeteksi Tingkat Kematangan Buah. Other thesis, Universitas Komputer Indonesia.

	Text 1.UNIKOM_SELDI SYAHRIZAL_COVER.pdf - Published Version Download (123kB)
	Text 19.UNIKOM_SELDI SYAHRIZAL_LEMBAR PENGESAHAN.pdf - Published Version Download (182kB)
	Text 17.UNIKOM_SELDI SYAHRIZAL_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (130kB)
	Text 20.UNIKOM_SELDI SYAHRIZAL_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (144kB)
	Text 4.UNIKOM_SELDI SYAHRIZAL_KATA PENGANTAR.pdf - Published Version Download (114kB)
	Text 5.UNIKOM_SELDI SYAHRIZAL_DAFTAR ISI.pdf - Published Version Download (223kB)
	Text 11.UNIKOM_SELDI SYAHRIZAL_BAB 1.pdf - Published Version Download (297kB)
	Text 12.UNIKOM_SELDI SYAHRIZAL_BAB 2.pdf - Published Version Download (789kB)
	Text 13.UNIKOM_SELDI SYAHRIZAL_BAB 3.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text 14.UNIKOM_SELDI SYAHRIZAL_BAB 4.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text 15.UNIKOM_SELDI SYAHRIZAL_BAB 5.pdf - Published Version Download (129kB)
	Text 10.UNIKOM_SELDI SYAHRIZAL_DAFTAR PUSTAKA.pdf - Published Version Download (185kB)
	Text 18.UNIKOM_SELDI SYAHRIZAL_KONTAK PENULIS DAN KONTRIBUTOR.pdf - Published Version Download (8kB)

Abstract

Buah-buahan, seperti pisang, pepaya, dan nanas, memiliki nilai ekonomi yang tinggi dan penting untuk dikonsumsi pada tingkat kematangan yang tepat. Namun, banyak konsumen dan produsen mengalami kesulitan dalam menentukan tingkat kematangan yang optimal, yang dapat mempengaruhi kualitas dan rasa buah. Penelitian ini bertujuan untuk membangun aplikasi berbasis Android yang dapat membantu pengguna dalam mendeteksi tingkat kematangan buah dengan mudah dan akurat. Aplikasi ini menggunakan teknologi TensorFlow Lite dan Teachable Machine untuk mengidentifikasi tingkat kematangan buah dari gambar yang diambil melalui kamera smartphone. Proses identifikasi dimulai dengan menangkap gambar buah menggunakan kamera, yang kemudian diproses oleh sistem untuk memberikan hasil deteksi berupa informasi tingkat kematangan dan deskripsi buah. TensorFlow Lite digunakan untuk memproses gambar secara lokal pada perangkat, sementara Teachable Machine berperan dalam pelatihan model pengenalan citra yang digunakan dalam aplikasi. Hasil uji menunjukkan bahwa aplikasi ini dapat membantu pengguna mengidentifikasi tingkat kematangan buah dengan akurasi mencapai 86%, serta memberikan informasi yang relevan mengenai kondisi buah tersebut. Aplikasi ini diharapkan dapat menjadi sebuah solusi bagi konsumen dan produsen dalam menentukan kematangan buah yang tepat untuk dikonsumsi atau dijual.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Buah, Deteksi Kematangan, Teachable Machine, TensorFlow Lite API, Mobile.
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	10 Sep 2025 07:24
Last Modified:	10 Sep 2025 07:24
URI:	http://elibrary.unikom.ac.id/id/eprint/10910

Actions (login required)

View Item