Electronic Theses and Dissertation
Universitas Syiah Kuala
SKRIPSI
KLASIFIKASI TINGKAT KEMATANGAN ALPUKAT MENGGUNAKAN EFFICIENTNETV2
Pengarang
FAZIL AZAMI - Personal Name;
Dosen Pembimbing
Sayed Muchallil - 198006162005011002 - Dosen Pembimbing I
Maulisa Oktiana - 199010252024062001 - Dosen Pembimbing II
Nomor Pokok Mahasiswa
2004111010073
Fakultas & Prodi
Fakultas Teknik / Teknik Komputer (S1) / PDDIKTI : 56202
Subject
Kata Kunci
Penerbit
Banda Aceh : Fakultas Teknik Komputer., 2025
Bahasa
No Classification
-
Literature Searching Service
Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)
Abstrak - Alpukat (Persea Americana) adalah buah tropis yang kaya akan nutrisi seperti protein, kalium, asam lemak tak jenuh, dan kandungan baik lainnya untuk kesehatan tubuh manusia. Pentingnya kematangan saat panen mempengaruhi umur simpan, rasa, dan kualitas minyak alpukat, sehingga klasifikasi kematangan yang tepat sangat krusial. Saat ini, klasifikasi kematangan alpukat biasanya dilakukan secara manual, yang kurang efisien dan akurat. Penelitian ini bertujuan untuk mengembangkan model klasifikasi kematangan alpukat menggunakan arsitektur EfficientNetV2 dengan varian S, M dan L melalui analisis citra digital. Metode yang digunakan melibatkan penerapan deep learning CNN untuk mengklasifikasi tingkat kematangan dalam tiga kategori: mentah, matang, dan terlalu matang. Berdasarkan hasil training menggunakan ketiga varian EfficientNetV2 yaitu S, M dan L, didapatkan hasil accuracy testing pada EfficientNetV2-S sebesar 97,43%, EfficientNetV2-M sebesar 95,38%, dan EfficientNetV2-L sebesar 95,64%.
Kata kunci : Alpukat, Kematangan, Klasifikasi, EfficientNetV2, Akurasi
Abstract - Avocado (Persea Americana) is a tropical fruit that is rich in nutrients such as protein, potassium, unsaturated fatty acids, and other good contents for the health of the human body. The importance of ripeness at harvest affects the shelf life, flavor, and quality of avocado oil, so proper ripeness classification is crucial. Currently, avocado ripeness classification is usually done manually, which lacks efficiency and accuracy. This study aims to develop an avocado ripeness classification model using EfficientNetV2 architecture with S, M and L variants through digital image analysis. The method used involves applying deep learning CNN to classify the level of ripeness in three categories: unripe, ripe, and overripe. Based on the training results using the three EfficientNetV2 variants, namely S, M and L, the testing accuracy of EfficientNetV2-S is 97.43%, EfficientNetV2-M is 95.38%, and EfficientNetV2-L is 95.64%. Keyword : Avocado, Ripeness, Classification, EfficientNet-V2, Accuracy
PENERAPAN DEEP LEARNING UNTUK KLASIFIKASI KUALITAS JAGUNG MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN) (EMA SARI, 2024)
AKUISI DATA SIFAT AKUSTIK MOMEN ZERO DAN ATENUASI GELOMBANG ULTRASONIK UNTUK PREDIKSI KEMATANGAN BUAH ALPUKAT SECARA NON- DESTRUKTIF. (Muhammad Afdhal, 2024)
PENERAPAN METODE FIS MAMDANI UNTUK KLASIFIKASI KEMATANGAN MELINJO BERDASARKAN WARNA (Dian Rahmat, 2015)
KEMATANGAN EMOSI PASANGAN MENIKAH MUDA (Muna mulianandar, 2023)
KLASIFIKASI TINGKAT KEMATANGAN BUAH TOMAT MENGGUNAKAN DEEP LEARNING (RAIHAN LAHANDA, 2022)