Klasifikasi Tingkat Kematangan Buah Jeruk Menggunakan Arsitektur VGG16
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Buah jeruk termasuk jenis buah yang terkenal digemari banyak orang dikarenakan memiliki rasa yang manis serta kandungan vitamin C yang melimpah. Untuk memenuhi kebutuhan Permintaan terhadap buah jeruk yang terus meningkat, diperlukan panen buah jeruk pada tingkat kematangan yang tepat guna menjaga kualitas dan masa simpannya. Namun, metode tradisional seperti pengamatan visual seringkali menyebabkan kesalahan dalam penentuan tingkat kematangan buah, yang dapat berdampak pada kualitas dan nilai jualnya. Oleh karenanya, penelitian ini dimaksudkan guna mendesain dan mengembangkan sebuah sistem klasifikasi tingkat kematangan buah jeruk memanfaatkan metode Convolutional Neural Network (CNN) dengan arsitektur VGG16 sebagai model pretrained. Pelatihan dan pengujian model ini menggunakan 180 citra jeruk yang dikelompokkan ke dalam 3 kelas yaitu, mentah, matang dan busuk yang terdiri dari 60 citra per kelasnya. Adapun hasil penelitian membuktikan bahwasanya model yang diterapkan berhasil memperoleh akurasi pelatihan sebesar 97% dan akurasi validasi sebesar 94%.
Rincian Artikel
Referensi
N. D. Naharsari, Bercocok Tanam Jeruk, Cet.1. Azka Mulia Media, 2007.
D. Handoko D, N. Besman, and Sembiring Hasil, “Penanganan Pascapanen Buah Jeruk,” Pros. Semin. Nas. Teknol. Inov. Pascapanen untuk Pengemb. Ind. Berbas. Pertan., vol. 2010, no. August,
pp. 486–497, 2005.
C. Ferani, K. #1, R. Ratri, S. Wardani, and M. T. Kom, “Penerapan VGG16 untuk Klasifikasi Pneumonia pada Citra X-ray”.
M. Arief, “Klasifikasi Kematangan Buah Jeruk Berdasarkan Fitur Warna Menggunakan Metode SVM,” J. Ilmu Komput. dan Desain Komun. Vis., vol. 4, no. 1, pp. 9–16, 2019.
J. Christian and S. I. Al Idrus, “Introduction to Citrus Fruit Ripens Using the Deep Learning Convolutional Neural Network (CNN) Learning Method,” Asian J. Appl. Educ., vol. 2, no. 3, pp. 459–470, 2023, doi: 10.55927/ajae.v2i3.5003.
B. Yanto, L. Fimawahib, A. Supriyanto, B. H. Hayadi, and R. R. Pratama, “Klasifikasi Tekstur Kematangan Buah Jeruk Manis Berdasarkan Tingkat Kecerahan Warna dengan Metode Deep Learning Convolutional Neural Network,” INOVTEK Polbeng - Seri Inform., vol. 6, no. 2, p. 259, 2021, doi: 10.35314/isi.v6i2.2104.
A. P. Wibawa, M. Guntur, A. Purnama, M. Fathony Akbar, and F. A. Dwiyanto, “Metode-metode Klasifikasi,” Pros. Semin. Ilmu Komput. dan Teknol. Inf., vol. 3, no. 1, pp. 134–138, 2018.
S. A. E. ALBAKIA and R. A. Saputra, “Identifikasi Jenis Daun Tanaman Obat Menggunakan Metode Convolutional Neural Network (CNN) Dengan Model VGG16,” J. Inform. Polinema, vol. 9, no. 4, pp. 451–460, 2023, doi: 10.33795/jip.v9i4.1420.
M. F. Herlambang, A. N. Hermana, and K. R. Putra, “Pengenalan Karakter Huruf Braille dengan Metode Convolutional Neural Network,” Syst. Inf. Syst. Informatics J., vol. 6, no. 2, pp. 20–26, 2021, doi: 10.29080/systemic.v6i2.969.