<?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="129306">
 <titleInfo>
  <title>PENGEMBANGAN MODEL DETEKSI PENYAKIT PADA DAUN TANAMAN CABAI BERBASIS EFFICIENTDET</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>ABDULLAH FATIH FARHAT</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 Elektro dan Komputer</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>Tanaman cabai merupakan komoditas hortikultura utama di Indonesia, dengan produksi yang dominan dalam sektor pertanian. Data Badan Pusat Statistik (BPS) dari 2021 hingga 2023 menunjukkan cabai konsisten berada dalam lima besar produksi sayuran. Namun, produksi sering terhambat oleh penyakit yang disebabkan oleh mikroorganisme patogen, sehingga identifikasi penyakit sangat penting. Penelitian ini menghasilkan data primer berupa gambar daun cabai dalam lima kelas yaitu daun sehat, daun keriting, daun virus kuning, daun bercak, dan daun whitefly yang telah dipublikasikan di Roboflow. Melalui enam kali pelatihan model deep learning menggunakan EfficientDet, diperoleh model terbaik dengan nilai Average Precision (AP) pada Intersection over Union 0.5, 0.75, dan 0.5-0.95 masing-masing sebesar 70,3%, 60,5%, dan 49,2% dalam waktu pelatihan selama 126 menit 40 detik serta telah menandakan kinerja model yang baik saat melakukan deteksi objek pada data uji, dapat dilihat pada hasil nilai confidence prediction box dimulai dari nilai 50% hingga 100%. Sehingga model ini optimal untuk aplikasi &#13;
yang membutuhkan hasil cepat dan akurat.</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>129306</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2024-08-30 20:31:01</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2024-09-02 10:14:17</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>