KLASIFIKASI TINGKAT KEMATANGAN ALPUKAT MENGGUNAKAN EFFICIENTNETV2 | ELECTRONIC THESES AND DISSERTATION

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

Citation



    SERVICES DESK