Detail Cantuman

KLASIFIKASI MULTI-LABEL DAN TINGKAT KEMATANGAN PADA BUAH MENGGUNAKAN METODE HSVLT

NONENG ISMARYATI / 152021055 - Personal Name
0426097801 - Jasman Pardede, Dr., S.Si., MT. - Personal Name
Text English 2025 Teknik Informatika : FTI

Keanekaragaman buah lokal Indonesia menimbulkan tantangan signifikan bagi klasifikasi otomatis, terutama karena kemiripan visual antar jenis buah dan perbedaan tingkat kematangan yang halus. Penelitian ini mengusulkan pendekatan multi-label classification sekaligus deteksi kematangan menggunakan arsitektur Hierarchical Scale-Aware Vision–Language Transformer (HSVLT). Model HSVLT mengintegrasikan fitur visual multi-skala dari citra dengan informasi label tekstual melalui mekanisme attention, memungkinkan pengenalan objek dan kematangan secara simultan. Dataset disusun menjadi data single-label untuk pelatihan dan validasi, serta data multi-label untuk pengujian, dengan label disimpan dalam format daftar string untuk mendukung multi-label. Pra-pemrosesan meliputi resizing citra, normalisasi, dan embedding label menggunakan BERT. Hasil eksperimen menunjukkan performa model terbaik dengan F1-micro = 0,5587, mAP = 0,7157, serta F1-macro validasi = 0,8915, dengan kinerja per-kelas tertinggi pada belimbing dan menurun pada alpukat akibat ketidakseimbangan data dan kemiripan visual matang–mentah. Temuan ini menegaskan efektivitas HSVLT dalam klasifikasi multi-label buah lokal sekaligus deteksi kematangan, serta membuka peluang peningkatan melalui augmentasi data, penyeimbangan sampel, dan penalaan ambang adaptif untuk meningkatkan recall tanpa mengorbankan precision.

The diversity of local Indonesian fruits poses significant challenges for automatic classification, particularly due to the visual similarities between fruit types and subtle differences in ripeness levels. This study proposes a multi-label classification approach combined with ripeness detection using the Hierarchical Scale-Aware Vision–Language Transformer (HSVLT) architecture. The HSVLT model integrates multi-scale visual features from images with textual label information through an attention mechanism, enabling simultaneous object recognition and ripeness detection. The dataset is organized into single-label data for training and validation, and multi-label data for testing, with labels stored in string list format to support multi-labeling. Preprocessing includes image resizing, normalization, and label embedding using BERT. Experimental results show the best model performance with F1-micro = 0.5587, mAP = 0.7157, and validation F1-macro = 0.8915, with the highest per-class performance on star fruit and decreasing on avocado due to data imbalance and visual similarity between ripe and unripe fruits. These findings confirm the effectiveness of HSVLT in multi-label classification of local fruits and maturity detection, while opening opportunities for improvement through data augmentation, sample balancing, and adaptive threshold tuning to enhance recall without sacrificing precision.

Ketersediaan

LOADING LIST...

Lampiran Berkas

LOADING LIST...

Detail Information

Bagian	Informasi
Pengarang	NONENG ISMARYATI / 152021055 - Personal Name 0426097801 - Jasman Pardede, Dr., S.Si., MT. - Personal Name
No. Panggil	914IF/25
Subyek	klasifikasi multi-label, kematangan buah, HSVLT buah lokal, vision–language transformer, mAP, F1-s mAP, F1-score multi-label classification, fruit ripeness ocal fruit, vision–language transformer
Fakultas	FTI
Tahun Terbit	2025
Jurusan	Teknik Informatika
Deskripsi Fisik
Info Detil Spesifik

Citation

APA Style

. (2025).KLASIFIKASI MULTI-LABEL DAN TINGKAT KEMATANGAN PADA BUAH MENGGUNAKAN METODE HSVLT().Teknik Informatika:FTI

Chicago Style

.KLASIFIKASI MULTI-LABEL DAN TINGKAT KEMATANGAN PADA BUAH MENGGUNAKAN METODE HSVLT().Teknik Informatika:FTI,2025.Text

MLA Style

.KLASIFIKASI MULTI-LABEL DAN TINGKAT KEMATANGAN PADA BUAH MENGGUNAKAN METODE HSVLT().Teknik Informatika:FTI,2025.Text

Turabian Style

.KLASIFIKASI MULTI-LABEL DAN TINGKAT KEMATANGAN PADA BUAH MENGGUNAKAN METODE HSVLT().Teknik Informatika:FTI,2025.Text

Detail Cantuman

KLASIFIKASI MULTI-LABEL DAN TINGKAT KEMATANGAN PADA BUAH MENGGUNAKAN METODE HSVLT

Detail Information

Citation

Homepage Info

Koleksi

Media Sosial / Kanal

Address