<?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="146117">
 <titleInfo>
  <title>KLASIFIKASI TINGKAT KEMATANGAN ALPUKAT MENGGUNAKAN EFFICIENTNETV2</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>FAZIL AZAMI</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 Komputer</publisher>
   <dateIssued>2025</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code"></languageTerm>
  <languageTerm type="text"></languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi</form>
  <extent></extent>
 </physicalDescription>
 <note>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%. &#13;
Kata kunci : Alpukat, Kematangan, Klasifikasi, EfficientNetV2, Akurasi&#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>146117</recordIdentifier>
 <recordCreationDate encoding="w3cdtf">2025-01-09 11:09:32</recordCreationDate>
 <recordChangeDate encoding="w3cdtf">2025-01-09 11:11:17</recordChangeDate>
 <recordOrigin>machine generated</recordOrigin>
</recordInfo>
</modsCollection>