Penerapan Convolutional Neural Network (CNN) untuk Klasifikasi Kualitas Buah Melon Honey - Dew Berdasarkan Citra Digital

Abstrak

Buah Melon Honey Dew merupakan salah satu komoditas hortikultura unggulan di Indonesia dengan nilai ekonomi tinggi. Namun, penilaian kualitas buah yang selama ini dilakukan secara visual dan manual memiliki keterbatasan, seperti subjektivitas yang tinggi, memakan waktu lama, serta sulit diterapkan secara konsisten dalam skala besar. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi kualitas buah melon Honey Dew secara otomatis dengan memanfaatkan teknologi pengolahan citra digital berbasis Convolutional Neural Network (CNN). Metode CNN dipilih karena kemampuannya yang sangat akurat dalam mengekstraksi fitur visual seperti pola warna dan tekstur langsung dari data gambar. Penelitian ini menggunakan dataset citra melon lokal yang dikategorikan ke dalam tiga kelas kualitas, yaitu Baik, Sedang, dan Buruk. Model yang dikembangkan menggunakan arsitektur VGG-16 dengan parameter input berupa citra berukuran 64x64 piksel, learning rate 0.001, dan dilatih selama 20 epoch. Proses pengembangan sistem juga menerapkan metodologi Extreme Programming (XP) untuk memastikan kualitas kode program. Hasil pengujian menunjukkan bahwa model CNN mampu mencapai tingkat akurasi yang sangat tinggi, yaitu sekitar 97% pada data uji. Capaian ini membuktikan bahwa pendekatan deep learning sangat efektif dalam mengatasi masalah subjektivitas penilaian manusia. Sistem ini memiliki potensi besar untuk dikembangkan menjadi aplikasi penilaian mutu buah digital yang dapat meningkatkan standar kualitas serta daya saing produk melon lokal di pasar domestik maupun internasional.