eprintid: 32629
rev_number: 7
eprint_status: archive
userid: 12
dir: disk0/00/03/26/29
datestamp: 2026-09-09 02:03:27
lastmod: 2026-09-09 02:03:27
status_changed: 2026-09-09 02:03:27
type: thesis
metadata_visibility: show
creators_name: Anas, Hasni
creators_nim: 24.55.1619
contributors_name: Kusrini, Kusrini
corp_creators: Universitas AMIKOM Yogyakarta
title: KLASIFIKASI KUALITAS SARANG BURUNG WALET 
MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL
NETWORK (CNN)
ispublished: pub
subjects: 000.000.005
divisions: PJJ
full_text_status: public
keywords: Sarang burung walet, Convolutional neural network, Transfer learning,
MobileNetV2, VGG16; ResNet50, EfficientNetV2B1, Klasifikasi citra, Edible bird’s nest, Image classification.
abstract: Kualitas sarang burung walet merupakan faktor penting dalam menentukan
nilai jual, sehingga diperlukan sistem klasifikasi yang akurat dan otomatis.
Penelitian ini bertujuan mengembangkan model klasifikasi mutu sarang burung
walet menggunakan empat arsitektur Convolutional Neural Network (CNN), yaitu
MobileNetV2, VGG16, ResNet50, dan EfficientNetV2B1 dengan pendekatan
transfer learning. Dataset yang digunakan terdiri atas 3.406 citra sarang burung
walet yang diperoleh langsung dari petani, kemudian diproses melalui augmentasi
agresif dan penghapusan latar belakang guna menyoroti objek utama. Data dibagi
ke dalam data pelatihan sebanyak 2.723 citra dan data validasi sebanyak 683 citra,
mencakup tiga kelas kualitas: tinggi, sedang, dan rendah. Setiap model dilatih
dalam dua tahap, yaitu frozen base dan fine-tuning. Hasil pengujian menunjukkan
bahwa semua model mengalami peningkatan performa setelah tahap fine-tuning,
dengan performa terbaik diperoleh pada arsitektur ResNet50 yang mencapai akurasi
sebesar 98%, diikuti oleh MobileNetV2 sebesar 97%, VGG16 sebesar 95%, dan
EfficientNetV2B1 sebesar 94%. Proses augmentasi data terbukti meningkatkan
kemampuan generalisasi model terhadap variasi citra. Penelitian ini berkontribusi
dalam pengembangan sistem klasifikasi mutu sarang burung walet berbasis citra
digital dengan akurasi tinggi, yang berpotensi diimplementasikan pada industri
untuk mendukung proses penyortiran secara objektif, efisien, dan konsisten.
date: 2026-02-02
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: PJJ Magister Informatika
thesis_type: masters
thesis_name: tesis
citation:   Anas, Hasni  (2026) KLASIFIKASI KUALITAS SARANG BURUNG WALET MENGGUNAKAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN).  S2 - Magister thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/32629/1/24.55.1619%20-%20Hasni%20Anas.pdf