DAYAN ARRAFI Primary Author mixed material bibliography Banda Aceh Fakultas Teknik 2026

Skripsi

Kualitas beras merupakan faktor penting yang menentukan nilai jual dan penerimaan konsumen. Penilaian kualitas beras secara manual masih memiliki keterbatasan karena bergantung pada subjektivitas pengamat. Oleh karena itu, Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model klasifikasi kualitas beras menggunakan arsitektur EfficientNetV2 dengan dataset citra beras Indoor dan Semi-Outdoor. Dataset terdiri dari 2.400 citra berukuran seragam 512×512 piksel yang terbagi secara seimbang ke dalam tiga kelas: Beras Bagus, Beras Normal, dan Beras Tidak Bagus. Seluruh data dinormalisasi dan dibagi menjadi subset training, validation, dan testing dengan proporsi 70%:20%:10%. Proses pelatihan dilakukan selama 50 epoch menggunakan optimizer SGD, learning rate 10⁻³, dan batch size 16, serta menerapkan strategi early saving untuk memperoleh performa terbaik. Hasil pelatihan menunjukkan bahwa model mencapai Accuracy training dan validation yang sangat tinggi, dengan Validacy mencapai 100% pada epoch ke-11 dan tetap stabil hingga akhir pelatihan. Evaluasi menggunakan Confusion Matrix dan Validacy responden mengonfirmasi bahwa model mampu mengklasifikasikan kualitas beras dengan tingkat Accuracy yang konsisten dan sangat tinggi, berkisar antara 91,18% hingga 97,06%. Temuan ini menunjukkan bahwa EfficientNetV2 memiliki kemampuan generalisasi yang sangat baik dalam mengenali kualitas beras pada kondisi pencahayaan yang berbeda, sehingga layak diterapkan sebagai metode klasifikasi otomatis dalam sistem penilaian kualitas beras. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 1708501 2026-01-15 15:00:26 2026-01-15 15:09:14 machine generated