Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Jurnal Informatika dan Teknik Elektro Terapan
Sanjaya, Clairine Aurellia
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS PERBANDINGAN METODE TRANSFER LEARNING DENSENET201 DAN VGG-19 TERHADAP PERFORMA KLASIFIKASI KUALITAS BUAH TOMAT Sanjaya, Clairine Aurellia; Waluyo, Minto
Jurnal Informatika dan Teknik Elektro Terapan Vol 13, No 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5810

Abstract

Melakukan analisa kualitas khususnya pada bidang pertanian pada buah tomat menjadi salah satu aspek penting karena buah tomat merupakan salah satu buah yang hingga saat ini banyak digunakan untuk pengolahan pangan. Data yang diperoleh diolah dengan memanfaatkan teknologi dengan metode transfer learning menggunakan metode DenseNet201 dan VGG19. Metode yang akan digunakan dalam pengolahan data akan dibandingkan untuk mendapatkan hasil yang lebih efektif dalam memprediksi kualitas buah tomat. Hasil menunjukan bahwa dengan model DenseNet201 dengan menggunakan ImageNet mendapatkan nilai akurasi sebesar 92% dan model VGG didapatkan hasil sebesar 82% sedangkan hasil tanpa ImageNet diperoleh model DenseNet201 memperoleh hasil akurasi sebesar 88% sedangkan model VGG19 sebesar 90%. Pada penelitian ini dilakukan untuk pengembangan sistem komputasi dalam mengklasifikasi kualitas buah tomat yang lebih efektif dalam dalam proses evaluasi.
ANALISIS PERBANDINGAN METODE TRANSFER LEARNING DENSENET201 DAN VGG-19 TERHADAP PERFORMA KLASIFIKASI KUALITAS BUAH TOMAT Sanjaya, Clairine Aurellia; Waluyo, Minto
Jurnal Informatika dan Teknik Elektro Terapan Vol. 13 No. 1 (2025)
Publisher : Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jitet.v13i1.5810

Abstract

Melakukan analisa kualitas khususnya pada bidang pertanian pada buah tomat menjadi salah satu aspek penting karena buah tomat merupakan salah satu buah yang hingga saat ini banyak digunakan untuk pengolahan pangan. Data yang diperoleh diolah dengan memanfaatkan teknologi dengan metode transfer learning menggunakan metode DenseNet201 dan VGG19. Metode yang akan digunakan dalam pengolahan data akan dibandingkan untuk mendapatkan hasil yang lebih efektif dalam memprediksi kualitas buah tomat. Hasil menunjukan bahwa dengan model DenseNet201 dengan menggunakan ImageNet mendapatkan nilai akurasi sebesar 92% dan model VGG didapatkan hasil sebesar 82% sedangkan hasil tanpa ImageNet diperoleh model DenseNet201 memperoleh hasil akurasi sebesar 88% sedangkan model VGG19 sebesar 90%. Pada penelitian ini dilakukan untuk pengembangan sistem komputasi dalam mengklasifikasi kualitas buah tomat yang lebih efektif dalam dalam proses evaluasi.
Co-Authors Minto Waluyo