Tugas Akhir
Implementasi sistem web klasifikasi kematangan melon dengan imagick dan rubix-ml melalui citra unggahan dan kamera / Demssi Mulia
Abstrak
Penelitian ini merancang sebuah sistem web untuk klasifikasi kematangan melon berbasis computer vision dengan arsitektur client-server yang mengintegrasikan PHP dan Python. Sistem ini dibangun menggunakan framework Laravel dengan model klasifikasi Stacking Ensemble pada library Rubix-ML yang menggabungkan K-Nearest Neighbors dan Random Forest sebagai base-model serta Random Forest sebagai meta-learner. Proses ekstraksi 46 fitur citra mdash mencakup warna bentuk dan tekstur mdash dilakukan oleh library Imagick sementara lokalisasi objek dibantu oleh model YOLOv8 yang dilatih kustom. Akuisisi gambar didukung melalui unggahan manual dan pemicu kamera pada Raspberry Pi yang berfungsi sebagai client. Hasil pengujian menunjukkan model ensemble yang dikembangkan mampu mencapai akurasi final sebesar 87.90% pada data uji. Sistem ini menawarkan solusi objektif dan fungsional untuk membantu pengambilan keputusan waktu panen serta menjadi studi kasus implementasi machine learning pada platform web modern.