KLASIFIKASI BERAS OPLOSAN BERBASIS DATA SPEKTROSKOPI MENGGUNAKAN DEEP LEARNING
Penelitian ini bertujuan untuk mengembangkan metode klasifikasi beras oplosan yang efektif dengan menggunakan data spektroskopi yang diperoleh melalui sensor AS7265X dan memanfaatkan Convolutional Neural Network (CNN) sebagai alat deep learning untuk prediksi. Data yang digunakan mencakup sampel ber...
Saved in:
| Main Author: | |
|---|---|
| Format: | Book |
| Published: |
2024-01-18.
|
| Subjects: | |
| Online Access: | Link Metadata |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
MARC
| LEADER | 00000 am a22000003u 4500 | ||
|---|---|---|---|
| 001 | repoupnvj_28188 | ||
| 042 | |a dc | ||
| 100 | 1 | 0 | |a Daffa Rabbani, . |e author |
| 245 | 0 | 0 | |a KLASIFIKASI BERAS OPLOSAN BERBASIS DATA SPEKTROSKOPI MENGGUNAKAN DEEP LEARNING |
| 260 | |c 2024-01-18. | ||
| 500 | |a http://repository.upnvj.ac.id/28188/23/ABSTRAK.pdf | ||
| 500 | |a http://repository.upnvj.ac.id/28188/24/AWAL.pdf | ||
| 500 | |a http://repository.upnvj.ac.id/28188/5/BAB1.pdf | ||
| 500 | |a http://repository.upnvj.ac.id/28188/6/BAB2.pdf | ||
| 500 | |a http://repository.upnvj.ac.id/28188/7/BAB3.pdf | ||
| 500 | |a http://repository.upnvj.ac.id/28188/8/BAB4.pdf | ||
| 500 | |a http://repository.upnvj.ac.id/28188/9/BAB5.pdf | ||
| 500 | |a http://repository.upnvj.ac.id/28188/10/DAFTAR%20PUSTAKA.pdf | ||
| 500 | |a http://repository.upnvj.ac.id/28188/27/RIWAYAT%20HIDUP.pdf | ||
| 500 | |a http://repository.upnvj.ac.id/28188/26/LAMPIRAN.pdf | ||
| 500 | |a http://repository.upnvj.ac.id/28188/25/HASIL%20PLAGIARISME.pdf | ||
| 500 | |a http://repository.upnvj.ac.id/28188/3/ARTIKEL%20KI.pdf | ||
| 520 | |a Penelitian ini bertujuan untuk mengembangkan metode klasifikasi beras oplosan yang efektif dengan menggunakan data spektroskopi yang diperoleh melalui sensor AS7265X dan memanfaatkan Convolutional Neural Network (CNN) sebagai alat deep learning untuk prediksi. Data yang digunakan mencakup sampel beras jenis setra ramos, pandan wangi, dan campuran dari keduanya, dengan total 300 data spektroskopi dan 5 kelas label, masing-masing berisi 60 data. Selain itu, penelitian ini berhasil meningkatkan akurasi prediksi dari 86% menjadi 100% dengan menerapkan hyperparameter tuning melalui Random Search dan regularisasi L2 dalam model CNN. Meskipun waktu pelatihan model menjadi lebih lama, peningkatan signifikan ini dianggap layak, terutama untuk aplikasi di mana akurasi memiliki peran krusial. Penelitian ini diharapkan dapat memberikan kontribusi penting dalam memastikan kualitas dan integritas produk beras yang beredar serta membuka peluang penerapan teknologi deteksi serupa dalam industri pangan lainnya. | ||
| 546 | |a id | ||
| 546 | |a id | ||
| 546 | |a id | ||
| 546 | |a id | ||
| 546 | |a id | ||
| 546 | |a id | ||
| 546 | |a id | ||
| 546 | |a id | ||
| 546 | |a id | ||
| 546 | |a id | ||
| 546 | |a id | ||
| 546 | |a id | ||
| 690 | |a QA75 Electronic computers. Computer science | ||
| 690 | |a QA76 Computer software | ||
| 655 | 7 | |a Thesis |2 local | |
| 655 | 7 | |a NonPeerReviewed |2 local | |
| 787 | 0 | |n http://repository.upnvj.ac.id/28188/ | |
| 787 | 0 | |n http://repository.upnvj.ac.id | |
| 856 | 4 | 1 | |u http://repository.upnvj.ac.id/28188/ |z Link Metadata |