<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="128746">
 <titleInfo>
  <title>PENERAPAN DEEP LEARNING UNTUK KLASIFIKASI KUALITAS JAGUNG MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>EMA SARI</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Banda Aceh</placeTerm>
   <publisher>Fakultas Teknik (S1)</publisher>
   <dateIssued>2024</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>Abstrak – Jagung merupakan salah satu tanaman yang berperan penting dalam kehidupan sehari-hari. Jagung mengambil peran terpenting kedua setelah padi sebagai sumber karbohidrat, baik sebagai makanan pokok manusia maupun sebagai pakan hewan ternak. Kualitas jagung dapat dinilai dengan melihat tekstur dan juga melihat kerusakan fisik jagung lainnya, sehingga klasifikasi kualitas jagung akan memakan waktu yang cukup lama dan sering terjadi keliru jika dilakukan secara manual. Berdasarkan permasalahan tersebut, maka peneliti akan melakukan penelitian yang bertujuan untuk membangun model deep learning dalam klasifikasi kualitas jagung menggunakan metode Convolutional Neural Network (CNN) dengan arsitektur EfficientNetV2-S, EfficientNetV2-M, dan EfficientNetV2-L. Penelitian ini dilakukan dengan melatih model arsitektur menggunakan 900 dataset citra jagung dengan kelas normal dan rusak menggunakan beberapa hyperparameter yang telah ditentukan. Model yang sudah dilatih kemudian diuji dengan 100 citra jagung lainnya dan menghasilkan akurasi sebesar 98% pada EfficientNetV2-S, 95% pada EfficientNetV2-M, dan 95% pada EfficientNetV2-L.&#13;
&#13;
Kata Kunci : Jagung, Klasifikasi, Deep Learning, Convolutional Neural Network (CNN), EfficientNetV2&#13;
</note>
 <note type="statement of responsibility"></note>
 <classification>0</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala</physicalLocation>
  <shelfLocator></shelfLocator>
 </location>
 <slims:digitals/>
</mods>
<recordInfo>
 <recordIdentifier>128746</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-08-27 11:03:42</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-08-27 14:38:08</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>