<mets:mets xsi:schemaLocation="http://www.loc.gov/METS/ http://www.loc.gov/standards/mets/mets.xsd http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd" OBJID="eprint_49675" LABEL="Eprints Item" xmlns:mets="http://www.loc.gov/METS/" xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:xlink="http://www.w3.org/1999/xlink"><mets:metsHdr CREATEDATE="2026-11-19T04:51:12Z"><mets:agent TYPE="ORGANIZATION" ROLE="CUSTODIAN"><mets:name>Repository Universitas Negeri Padang</mets:name></mets:agent></mets:metsHdr><mets:dmdSec ID="DMD_eprint_49675_mods"><mets:mdWrap MDTYPE="MODS"><mets:xmlData><mods:titleInfo><mods:title>Pengembangan Aplikasi Prediksi Tingkat Kematangan Buah Manggis Menggunakan Hybrid Convolutional Neural Network</mods:title></mods:titleInfo><mods:name type="personal"><mods:namePart type="given">Muhammad</mods:namePart><mods:namePart type="family">Asyrof</mods:namePart><mods:role><mods:roleTerm type="text">author</mods:roleTerm></mods:role></mods:name><mods:abstract>Buah manggis (Garcinia mangostana L.) merupakan komoditas ekspor unggulan Indonesia yang memiliki nilai ekonomi tinggi. Namun, penentuan tingkat kematangannya masih dilakukan secara manual, mengandalkan pengamatan visual yang subjektif dan rentan terhadap kesalahan. Hal ini berdampak pada kualitas buah serta nilai jualnya, terutama untuk pasar ekspor yang memerlukan standar ketat. Untuk mengatasi permasalahan ini, penelitian ini mengusulkan pengembangan aplikasi berbasis web bernama Mangosteen Neural Ripeness yang memanfaatkan Hybrid Convolutional Neural Network (CNN) untuk memprediksi kematangan buah manggis secara akurat dan efisien. Aplikasi ini menggabungkan tiga arsitektur CNN terkemuka, yaitu InceptionV3, DenseNet201, dan ResNet50V2, untuk meningkatkan akurasi klasifikasi. Selain itu, model YOLOv8 diintegrasikan sebagai validasi objek guna memastikan hanya gambar buah manggis yang diproses. Metode pengembangan sistem menggunakan pendekatan Waterfall dengan tahapan analisis kebutuhan, desain, implementasi, pengujian, dan pemeliharaan. Dataset yang digunakan terdiri dari 1.681 gambar buah manggis dengan tiga kategori kematangan, yaitu matang (ripe), setengah matang (semi-ripe), dan belum matang (unripe). Hasil pengujian menunjukkan bahwa model Hybrid CNN mencapai nilai Area Under the Curve (AUC) yang sangat baik, yaitu 0,9938 untuk kategori ripe, 0,9108 untuk semi-ripe, dan 0,9303 untuk unripe mengkonfirmasi stabilitas model. Aplikasi juga memiliki antarmuka pengguna yang intuitif dan waktu pemrosesan rata-rata 2-3 detik. Meskipun demikian, tantangan utama terletak pada ketidakseimbangan dataset dan kesulitan membedakan kategori unripe dan semi ripe. Kesimpulannya, aplikasi ini berpotensi meningkatkan efisiensi dan akurasi penentuan kematangan buah manggis, serta dapat dikembangkan lebih lanjut dengan penambahan dataset dan pengujian lapangan.</mods:abstract><mods:classification authority="lcc">T Technology (General)</mods:classification><mods:originInfo><mods:dateIssued encoding="iso8601">2025</mods:dateIssued></mods:originInfo><mods:originInfo><mods:publisher>Universitas Negeri Padang;Teknik Elektronika FT UNP</mods:publisher></mods:originInfo><mods:genre>Thesis</mods:genre></mets:xmlData></mets:mdWrap></mets:dmdSec><mets:amdSec ID="TMD_eprint_49675"><mets:rightsMD ID="rights_eprint_49675_mods"><mets:mdWrap MDTYPE="MODS"><mets:xmlData><mods:useAndReproduction>
<p xmlns="http://www.w3.org/1999/xhtml"><strong>For work being deposited by its own author:</strong>
In self-archiving this collection of files and associated bibliographic
metadata, I grant Repository Universitas Negeri Padang the right to store
them and to make them permanently available publicly for free on-line.
I declare that this material is my own intellectual property and I
understand that Repository Universitas Negeri Padang does not assume any
responsibility if there is any breach of copyright in distributing these
files or metadata. (All authors are urged to prominently assert their
copyright on the title page of their work.)</p>

<p xmlns="http://www.w3.org/1999/xhtml"><strong>For work being deposited by someone other than its
author:</strong> I hereby declare that the collection of files and
associated bibliographic metadata that I am archiving at
Repository Universitas Negeri Padang is in the public domain. If this is
not the case, I accept full responsibility for any breach of copyright
that distributing these files or metadata may entail.</p>

<p xmlns="http://www.w3.org/1999/xhtml">Clicking on the <em>Deposit Item Now</em> button indicates your agreement to these
terms.</p>
    </mods:useAndReproduction></mets:xmlData></mets:mdWrap></mets:rightsMD></mets:amdSec><mets:fileSec><mets:fileGrp USE="reference"><mets:file ID="eprint_49675_99362_1" OWNERID="https://repository.unp.ac.id/id/eprint/49675/1/final_13_Muhammad_Asyrof_21343056_1771_2025.pdf" SIZE="7247406" MIMETYPE="application/pdf"><mets:FLocat xlink:href="https://repository.unp.ac.id/id/eprint/49675/1/final_13_Muhammad_Asyrof_21343056_1771_2025.pdf" xlink:type="simple" LOCTYPE="URL"></mets:FLocat></mets:file></mets:fileGrp></mets:fileSec><mets:structMap><mets:div ADMID="TMD_eprint_49675" DMDID="DMD_eprint_49675_mods"><mets:fptr FILEID="eprint_49675_document_99362_1"></mets:fptr></mets:div></mets:structMap></mets:mets>