WIJAYA, INDRA (2023) IMPLEMENTASI TENSORFLOW LITE UNTUK MENGETAHUI JENIS CACAT PADA BIJI KOPI ROBUSTA BERBASIS ANDROID. S1 thesis, Fakultas Teknik Universitas Sultan Ageng Tirtayasa.
![[img]](https://eprints.untirta.ac.id/style/images/fileicons/text.png) |
Text
INDRAWIJAYA_3332180011_Fulltext.pdf Download (2MB) |
|
Text
INDRAWIJAYA_3332180011_01.pdf Download (1MB) |
|
Text
INDRAWIJAYA_3332180011_02.pdf Download (180kB) |
|
Text
INDRAWIJAYA_3332180011_03.pdf Download (400kB) |
|
Text
INDRAWIJAYA_3332180011_04.pdf Download (593kB) |
|
Text
INDRAWIJAYA_3332180011_05.pdf Download (8kB) |
|
Text
INDRAWIJAYA_3332180011_Lamp.pdf Download (202kB) |
|
Text
INDRAWIJAYA_3332180011_Ref.pdf Download (84kB) |
Abstract
ABSTRACT Tensorflow Lite Implementation To Find Out Types Of Defect On Android Based Robusta Coffee Beans Coffee is a type of beverage that comes from the processing of coffee beans. Coffee is classified into the Rubiaceae family with the genus Coffea. In general, coffee only has two species, namely Coffea arabica and Coffea robusta [1]. The purpose of this study was to create a classification system to determine the types of defects in robusta coffee beans using the CNN (Convolution Neural Network) method. that conforms to the standard. In addition, classification can be done with android devices (Mobile Apps), because it has convenience, among others, can be used anywhere, the author tries to implement CNN-based object classification using the Tensorflow Lite framework. With tensorflow lite can be a solution for object classification through android devices. The author tries to implement CNN-based object classification into mobile devices. The dataset used is sourced from the results of manual retrieval using a smartphone camera in the form of coffee beans from the Gunung Karang area of Banten as many as 1325 coffee beans. From the research results, the application can run on low and low devices with an accuracy rate of 100% and an average confidence value of 97%.
| Item Type: | Thesis (S1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| Contributors: |
|
|||||||||
| Additional Information: | ABSTRAK Indra Wijaya Teknik Elektro Implementasi Tensorflow Lite Untuk Mengetahui Jenis Cacat Pada Biji Kopi Robusta Berbasis Android Kopi merupakan sejenis minuman yang berasal dari proses pengolahan biji tanaman kopi. Kopi digolongkan ke dalam famili Rubiaceae dengan genus Coffea Secara umum kopi hanya memiliki dua spesies yaitu Coffea arabica dan Coffea robusta [1].Tujuan dari penelitian ini ialah membuat sistem klasifikasi untuk mengetahui jenis cacat pada biji kopi robusta menggunakan metode CNN (Convolution Neural Network) yang sesuai dari standar. Selain itu pengklasifikasian dapat dilakukan dengan perangkat android (Mobile Apps), karena memiliki kemudahan antara lain dapat digunakan dimana saja, penulis mencoba mengimplementasikan klasifikasi Objek berbasis CNN dengan menggunakan freamwork Tensorflow Lite. Dengan tensorflow lite dapat menjadi solusi untuk klasifikasi objek melalui perangkat android. Penulis mencoba mengimplementasikan klasifikasi objek berbasis CNN kedalam perangkat mobile. Dataset yang digunakan bersumber dari hasil pengambilan manual menggunakan kamera smartphone berupa biji kopi dari daerah gunung karang banten sebanyak 1325 biji kopi. Dari hasil pebelitian aplikasi dapat berjalan pada perangkat low and dengan tingkat akurasi 100% dan nilai keyakinan rata-rata 97%. | |||||||||
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering | |||||||||
| Divisions: | 03-Fakultas Teknik 03-Fakultas Teknik > 20201-Jurusan Teknik Elektro |
|||||||||
| Depositing User: | Mr Indra Wijaya | |||||||||
| Date Deposited: | 20 Dec 2023 09:01 | |||||||||
| Last Modified: | 20 Dec 2023 09:01 | |||||||||
| URI: | http://eprints.untirta.ac.id/id/eprint/31531 |
Actions (login required)
 |
View Item |