Ghafara, Adam (2025) Pengembangan Aplikasi Web AI Sebagai Alat Identifikasi Jenis Beras Impor Menggunakan Vision Transformers (ViT). Diploma thesis, UNIVERSITAS LOGISTIK DAN BISNIS INTERNASIONAL.
Full text not available from this repository.Abstract
Tingginya kebutuhan beras sebagai makanan pokok bagi masyarakat Indonesia telah mendorong pemerintah dalam melakukan impor beras demi menjaga ketersediaan pangan. Namun, kebijakan ini menimbulkan tantangan signifikan terkait pengawasan kualitas dan maraknya peredaran beras yang tidak sesuai standar produk yang tertulis atau maraknya beras palsu, yang merugikan baik pemerintah maupun konsumen. Dalam mengatasi permasalahan ini, penelitian ini bertujuan untuk merancang serta mengembangkan sebuah aplikasi web berbasis AI sebagai alat untuk melakukan identifikasi jenis beras impor secaracepat dan akurat. Penelitian ini akan menggunakan model Vision Transformer (ViT) yang dikenal memiliki kemampuan identifikasi gambar lebih baik dari berbagai model lainnya. Adapun penelitian menggunakan metodologi waterfall sebagai metode pendekatan yang digunakan dalam pengembangan model dan aplikasi web, dalam metodologi tersebut meliputi tahap Requirements, Design, Implementation, Testing, dan Maintenance. Dataset yang digunakan dalam penelitian ini menggunakan Dataset dengan jumlah 50000 sampel beras yang terdiri dari 5 class jenis beras yang berbeda. Penelitian ini juga bertujuan untuk eksperimen serta melakukan uji banding terhadap performa model ViT yang dilatih tanpa augmentation dengan model ViT yang dilakukan training menggunakan augmentation. Hasil penelitian menunjukkan perbedaan performa yang signifikan terhadap kedua model ViT. Model ViT yang dilatih tanpa augmentation menunjukkan hasil training dan testing yang lebih baik dari model yang di training menggunakan augmentation, model ViT yang di training tanpa augmentation mendapat skor akurasi yang baik dengan skor tertinggi di angka 97.63%, loss terendah di angka 42%, dan F1-Score mendapat skor hingga 0.97. Sebaliknya, model yang menggunakan augmentation memiliki akurasi tes yang lebih rendah, yaitu 93.85% pada hasil training, loss di angka terendah hingga 72%, dan F1-Score di angka 0.93. Meskipun begitu, model mendapat hasil yang lebih stabil saat melakukan training. Hasil implementasi model kedalam aplikasi web menunjukkan jika web sangat baik dalam melakukan identifikasi jenis beras, namun sewaktu-waktu hasil identifikasi yang dilakukan terdapat hasil identifikasi tidak tepat. Untuk penelitian selanjutnya, peneliti menyarankan untuk mengatur kembali augmentation yang telah dibuat dalam penelitian ini, serta peneliti menyarankan untuk menambahkan model tambahan yang dapat digabungkan dengan model ViT agar dapat melakukan identifikasi pada gambar dengan banyak beras. Kata Kunci: Aplikasi Web, Identifikasi Beras, Artificial Intelligence, AI, Vision Transformer (ViT)
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | PKL TUJUH TUJUH |
| Date Deposited: | 29 Sep 2025 03:08 |
| Last Modified: | 29 Sep 2025 03:08 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/3613 |
Actions (login required)
 |
View Item |
