IMPLEMENTASI MULTILAYER PERCEPTRON UNTUK MENDETEKSI KELAYAKAN MINYAK GORENG

PAHLEPI, MUHAMMAD REZA (2024) IMPLEMENTASI MULTILAYER PERCEPTRON UNTUK MENDETEKSI KELAYAKAN MINYAK GORENG. Other thesis, UNIVERSITAS BINA DARMA.

[img] Text (BAB 0)
BAB 0.pdf

Download (772kB)
[img] Text (BAB 1)
BAB 1.pdf

Download (623kB)
[img] Text (DAFTAR PUSTAKA)
DP.pdf

Download (411kB)
[img] Text (LAPORAN HASIL)
LH.pdf
Restricted to Repository staff only

Download (4MB)
[img] Text (LAMPIRAN)
L_11zon (15).pdf

Download (88kB)

Abstract

Minyak goreng banyak dipakai dalam kehidupan sehari - hari meskipun begitu minyak goreng dapat menyebabkan berbagai macam penyakit. Hal ini dikarenakan penggunaan minyak goreng berulang kali sehingga minyak goreng berubah menjadi minyak jelantah dan tidak layak untuk digunakan sebagai bahan untuk memasak. Cara yang paling mudah untuk mendeteksi minyak jelantah adalah dengan mengamati warna dari minyak goreng tapi cara ini terlalu subjektif. Oleh karena itu diperlukan solusi alternatif. Salah satu solusi adalah pemanfaatan teknologi machine learning. Penggunaan machine learning semakin banyak digunakan di berbagai bidang terutama pada bidang pengklasifikasian objek gambar. Tujuan dari penelitian ini adalah membuat model klasifikasi yang dapat mendeteksi minyak goreng masih layak dan tidak layak dengan mengimplementasikan multilayer perceptron dengan menggunakan aplikasi orange. Hasil dari penelitian ini model yang dibuat memiliki classification accuracy (CA) bernilai 0.997, F1 score bernilai 0.996, precision bernilai 0.997 dan recall bernilai 0.997.

Item Type: Thesis (Other)
Uncontrolled Keywords: Multilayer Perceptron, machine learning, Orange, Klasifikasi, Minyak Goreng
Subjects: Z Bibliography. Library Science. Information Resources > ZA Information resources
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Miss Marina Ina
Date Deposited: 25 Jun 2025 02:35
Last Modified: 25 Jun 2025 02:35
URI: http://repository.binadarma.ac.id/id/eprint/9190

Actions (login required)

View Item View Item