dc.date.accessioned | 2024-07-31T12:11:50Z | |
dc.date.available | 2024-07-31T12:11:50Z | |
dc.date.issued | 2024-01-30 | |
dc.identifier.uri | https://library.universitaspertamina.ac.id//xmlui/handle/123456789/11925 | |
dc.description.abstract | Kualitas beras merupakan faktor penting yang mempengaruhi ketahanan pangan nasional dan kepuasan konsumen. Salah satu indikator kualitas beras adalah kandungan kapur, yang dapat mengurangi nilai gizi dan estetika beras. Penelitian ini bertujuan mengembangkan model deteksi kapur pada beras menggunakan arsitektur U2-Net. Dataset yang digunakan diperoleh dari platform Kaggle dan dilabeli untuk menandai area kapur pada butir beras. Proses penelitian meliputi pengumpulan data, pemahaman data, persiapan data, preprocessing, dan implementasi arsitektur U2-Net. Hasil pengujian menunjukkan bahwa model yang dikembangkan mampu mendeteksi kandungan kapur dengan akurasi yang memadai, ditunjukkan oleh nilai loss sebesar 0.3 dan val_loss sebesar 0.4 pada epoch ke-30. Implementasi model ini diharapkan dapat meningkatkan efisiensi evaluasi kualitas beras dan mendukung industri pangan dalam menghasilkan beras berkualitas tinggi. | en_US |
dc.subject | Beras, Capstone Project, Kapur, Machine Learning, U-Net | en_US |
dc.title | Prediksi Kandungan Kapur pada Beras – Chalk Check | en_US |