Azzahra, Luftiah (2025) IDENTIFIKASI JENIS PISANG BERDASARKAN CITRA MENGGUNAKAN METODE EXTREME LEARNING MACHINE. S1 thesis, Universitas Malikussaleh.

	Text COVER LUFTIAH.pdf Download (195kB)
	Text ABSTRAK LUFTIAH.pdf Download (247kB)
	Text BAB 1 LUFTIAH.pdf Download (346kB)
	Text DAPUS LUFTIAH.pdf Download (250kB)
	Text TGA Luftiah Azzahra .pdf Restricted to Registered users only Download (3MB)

Abstract

Pisang merupakan salah satu komoditas buah tropis utama di Indonesia yang memiliki keragaman jenis dan nilai konsumsi tinggi. Setiap jenis pisang memiliki karakteristik fisik yang berbeda dan penggunaannya pun bervariasi. Namun, masyarakat umum sering kesulitan dalam membedakan jenis-jenis pisang tersebut karena keterbatasan pengetahuan visual, yang dapat menyebabkan kesalahan dalam pemanfaatannya. Penelitian ini bertujuan untuk mengembangkan sistem identifikasi jenis pisang berbasis citra menggunakan metode Extreme Learning Machine (ELM), sebuah algoritma machine learning yang dikenal dengan proses pelatihan cepat dan performa yang kompetitif pada data non-linear. Penelitian ini mengklasifikasikan citra pisang ke dalam 10 kelas, yaitu Pisang Ambon, Pisang Barangan, Pisang Cavendish, Pisang Jantan, Pisang Kepok, Pisang Mas, Pisang Nangka, Pisang Raja, Pisang Susu, dan Pisang Tanduk. Data yang digunakan sebanyak 800 citra pisang yang diperoleh dari pengambilan langsung dan dataset publik Kaggle. Tahapan penelitian meliputi pra-pemrosesan citra (normalisasi, CLAHE, grayscale, segmentasi), ekstraksi fitur bentuk dan tekstur, serta pelatihan model ELM. Hasil evaluasi menunjukkan bahwa sistem mampu mengidentifikasi jenis pisang dengan akurasi keseluruhan sebesar 68%, dengan nilai precision, recall, dan f1-score yang cukup baik. Sistem ini kemudian diimplementasikan dalam bentuk website interaktif bernama BananaLysis menggunakan framework Flask, yang memungkinkan pengguna mengunggah gambar pisang untuk diidentifikasi secara otomatis. Penelitian ini menunjukkan bahwa metode ELM efektif digunakan dalam klasifikasi citra pisang dan mampu memberikan solusi praktis dalam membantu masyarakat mengenali jenis pisang berdasarkan ciri visual. Sistem ini juga berkontribusi dalam peningkatan literasi teknologi di bidang pertanian digital.

Item Type:	Thesis (S1)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Luftiah Azzahra
Date Deposited:	22 Aug 2025 08:44
Last Modified:	22 Aug 2025 08:44
URI:	https://rama.unimal.ac.id/id/eprint/7995

Actions (login required)

View Item