SKRIPSI DIGITAL
Aplikasi Web Berbasis Flask untuk Klasifikasi Apel menggunakan Model Deep Learning dengan Transfer Learning = Flask-Based Web Application for Apple Classification using Deep Learning Model with Transfer Learning
Apel adalah buah yang dihasilkan oleh pohon apel (Malus domestica) dan termasuk dalam keluarga Rosaceae. Buah ini terkenal di seluruh dunia karena rasanya yang enak dan manfaat kesehatannya. Apel hadir dalam berbagai warna seperti merah, hijau, dan kuning serta memiliki rasa yang bervariasi dan jenis-jenisnya masing masing. Apel juga kaya akan nutrisi, seperti serat, vitamin C, dan antioksidan, yang baik untuk kesehatan manusia. Oleh karena itu, tujuan utama penggunaan teknologi Flask adalah untuk membangun aplikasi web yang dapat mengklasifikasikan jenis buah apel berdasarkan gambar seakurat mungkin dan relevan, terutama dalam industri pertanian dan makanan pada zaman sekarang. Dalam studi ini, teknologi Flask digunakan untuk membangun aplikasi web yang memungkinkan pengguna untuk mengunggah gambar apel atau menggunakan kamera untuk mengambil gambar. Gambar yang diambil kemudian diproses menggunakan algoritma Deep Learning untuk mengidentifikasi jenis apel tersebut. Algoritma yang digunakan dievaluasi berdasarkan akurasi, kecepatan, dan efisiensinya dalam mengklasifikasikan jenis apel. Hasil penelitian ini diharapkan dapat memberikan kontribusi signifikan dalam pengembangan website praktis yang dapat membantu petani, distributor buah, dan konsumen untuk mengenali jenis apel dengan mudah dan cepat, serta meningkatkan efisiensi dalam proses pengolahan dan distribusi buah. Sistem ini menggunakan metode turunan CNN yaitu DenseNet169 untuk melakukan prediksi berdasarkan data yang didapat dari pengambilan citra digital dengan bantuan kamera dan upload gambar. DenseNet169 dipilih karena Efisiensi dan Akurasi. Model ini mampu memberikan performa yang tinggi dengan ukuran parameter yang relatif kecil dibandingkan dengan model Deep Learning lainnya dan memerlukan sumber daya komputasi yang lebih rendah tanpa mengurangi nilai akurasi. Penelitian ini dilakukan dengan 10 epoch dapat memperoleh tingkat akurasi sebesar 99%. Penelitian ini diharapkan untuk dapat mempermudah klasifikasi jenis buah apel.
No other version available
Computer Science, Information & General Works 
Philosophy & Psychology 
Religion 
Social Sciences 
Language 
Pure Science 
Applied Sciences 
Art & Recreation 
Literature 
History & Geography