Abdullah, Izza (2026) Penerapan Vision Transformer pada Klasifikasi Kematangan dan Pengendalian Kualitas Otomatis pada Buah Pascapanen. S1 thesis, Universitas Malikussaleh.

	Text COVER.pdf Download (75kB)
	Text ABSTRAK.pdf Download (103kB)
	Text BAB 1.pdf Download (177kB)
	Text DAPUS.pdf Download (149kB)
	Text SKRIPSI IZZA.pdf Restricted to Registered users only Download (3MB)

Abstract

Tingginya kehilangan hasil (food loss) pada komoditas hortikultura di Indonesia, khususnya buah pisang, mangga, dan pepaya, menjadi tantangan dalam proses penanganan pascapanen. Salah satu penyebabnya adalah penentuan tingkat kematangan buah yang masih dilakukan secara manual sehingga rentan terhadap subjektivitas dan ketidakkonsistenan. Penelitian ini bertujuan menerapkan arsitektur Vision Transformer (ViT) untuk mengklasifikasikan tingkat kematangan buah serta mendukung pengendalian kualitas otomatis berbasis aplikasi Android.Penelitian dilakukan melalui tahapan pengumpulan dataset citra buah menggunakan kamera smartphone, preprocessing, augmentasi data, pelatihan model Vision Transformer, serta evaluasi menggunakan confusion matrix, accuracy, precision, recall, F1-score, pengujian robustness terhadap citra non-target, dan pengukuran waktu inferensi. Model yang telah dilatih kemudian diintegrasikan ke dalam aplikasi mobile untuk melakukan prediksi tingkat kematangan secara otomatis.Hasil penelitian menunjukkan bahwa model Vision Transformer mampu mengklasifikasikan tingkat kematangan buah dengan baik. Model memperoleh rata-rata accuracy data uji sebesar 95,31% dan accuracy keseluruhan sebesar 94,94%, dengan nilai precision 0,94, recall 0,96, dan F1-score 0,95. Selain itu, model mampu mengenali citra non-target dengan nilai precision, recall, dan F1-score sebesar 1,00 serta memiliki waktu inferensi rata-rata 0,74 detik. Hasil tersebut menunjukkan bahwa Vision Transformer efektif digunakan untuk klasifikasi kematangan buah dan berpotensi mendukung proses pengendalian kualitas buah pascapanen secara lebih cepat, konsisten, dan objektif. Kata Kunci: Vision Transformer, klasifikasi kematangan buah, buah pascapanen, computer vision, deep learning, Android.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	izza abdullah
Date Deposited:	31 Aug 2026 03:55
Last Modified:	31 Aug 2026 03:55
URI:	https://rama.unimal.ac.id/id/eprint/21821

Actions (login required)

View Item