Klasifikasi Tingkat Kematangan Buah Pisang Menggunakan Metode Cnn Arsitektur Vgg19
Kata Kunci:
klasifikasi, pisang, VGG-19, CNNAbstrak
Pisang adalah salah satu buah yang melimpah di Indonesia, kaya akan nutrisi, dan memiliki nilai ekonomis tinggi. Namun, proses pemilahan pisang pascapanen masih mengandalkan penilaian manusia yang tidak konsisten, menyebabkan kerugian bagi petani. Oleh karena itu, penelitian ini mengusulkan penggunaan Convolutional Neural Network (CNN) untuk mengklasifikasikan kematangan buah pisang berdasarkan warna. Dataset berisi 450 gambar pisang dengan tiga kelas kematangan: mentah, matang, dan sangat matang, diambil dari Kaggle. Augmentasi data dilakukan dengan Image Data Generator. CNN dirancang menggunakan arsitektur VGG-19 dan dilatih dengan menggunakan optimizer Adam dan SGD. Hasil penelitian menunjukkan akurasi tertinggi 100% dengan loss terendah 0.02 pada penggunaan optimizer Adam dengan epoch 20. Optimizer SGD juga memberikan akurasi 100% dengan loss 0.04 pada epoch 20. Kesimpulan penelitian menunjukkan bahwa CNN dengan arsitektur VGG-19 dapat digunakan untuk klasifikasi kematangan buah pisang dengan tingkat akurasi yang tinggi. Untuk pengembangan selanjutnya, model akan diperbaiki dengan penyesuaian lapisan dan preprocessing untuk meningkatkan akurasi dan mengurangi kehilangan data
Unduhan
Referensi
J. Halim dan A. N. Fajar, “INFORMASI (Jurnal Informatika dan Sistem Informasi) Klasifikasi Pisang Berbasis Algoritma VGG16 Melalui Metode CNN Deep Learning.”
A. I. Hanifah dan A. Hermawan, “Klasifikasi Kematangan Pisang Menggunakan Metode Convolutional Neural Network,” Komputika : Jurnal Sistem Komputer, vol. 12, no. 2, hlm. 49–56, Sep 2023, doi: 10.34010/komputika.v12i2.9999.
www.ekon.go.id, “Terus Dorong Peningkatan Konsumsi Buah Nusantara, Pemerintah Gelar Kembali Gelar Buah Nusantara (GBN) ke-7 Tahun 2022 – Kementerian Koordinator Bidang Perekonomian Republik Indonesia.”,” www.ekon.go.id.
Y. Amrozi, D. Yuliati, A. Susilo, N. Novianto, dan R. Ramadhan, “Klasifikasi Jenis Buah Pisang Berdasarkan Citra Warna dengan Metode SVM,” Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 11, no. 3, hlm. 394–399, Des 2022, doi: 10.32736/sisfokom.v11i3.1502.
A. I. Hanifah dan A. Hermawan, “Klasifikasi Kematangan Pisang Menggunakan Metode Convolutional Neural Network,” Komputika : Jurnal Sistem Komputer, vol. 12, no. 2, hlm. 49–56, Sep 2023, doi: 10.34010/komputika.v12i2.9999.
K. T. Kematangan…, A. Dwi, dan P. Wicaksono, “Klasifikasi Tingkat Kematangan, Kualitas dan Jenis Buah Pisang Berdasarkan Ciri Warna dan Bentuk Menggunakan Artificial Neural Networks,” JTII, vol. 07, no. 02, 2022.
A. Arkadia, S. Ayu Damayanti, dan D. Sandya Prasvita, “Klasifikasi Buah Mangga Badami Untuk Menentukan Tingkat Kematangan dengan Metode CNN,” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA) Jakarta-Indonesia, vol. 2, no. 2, 2021.
F. Paraijun, R. N. Aziza, dan D. Kuswardani, “Implementasi Algoritma Convolutional Neural Network Dalam Mengklasifikasi Kesegaran Buah Berdasarkan Citra Buah,” KILAT, vol. 11, no. 1, hlm. 1–9, Apr 2022, doi: 10.33322/kilat.v10i2.1458.
A. Lustini, “Klasifikasi Tingkat Kematangan Buah Nanas Menggunakan Ruang Warna Red – Green – Blue Dan Hue – Saturation – Intensity,” Jurnal Digital Teknologi Informasi, vol. 2, no. 1, 2019, doi: 10.32502/digital.v2i1.2283.
B. Yanto dkk., “Klasifikasi Tekstur Kematangan Buah Jeruk Manis Berdasarkan Tingkat Kecerahan Warna dengan Metode Deep Learning Convolutional Neural Network,” vol. 6, no. 2, hlm. 2021.
W. S. Eka Putra, “Klasifikasi Citra Menggunakan Convolutional Neural Network (CNN) pada Caltech 101,” Jurnal Teknik ITS, vol. 5, no. 1, 2016, doi: 10.12962/j23373539.v5i1.15696.
H. Kusumah dan R. A. Pradana, “Penerapan Trainer Interfacing Mikrokontroler Dan Internet Of Things Berbasis Esp32 Pada Mata Kuliah Interfacing,” Journal CERITA, vol. 5, no. 2, 2019, doi: 10.33050/cerita.v5i2.237.
A. Imran dan M. Rasul, “Pengembangan Tempat Sampah Pintar Menggunakan Esp32,” Jurnal Media Elektrik, vol. 17, no. 2, 2020.
Y. Bili dkk., “Perancangan Alat Pendeteksi Kematangan Buah Nanas Dengan Menggunakan Mikrokontroler Dengan Metode Convolutional Neural Network (CNN),” 2022. [Daring]. Tersedia pada: http://ojs.fikom-methodist.net/index.php/METHOTIKA
A. Dwi, P. Wicaksono, dan A. Amrulloh, “Positif : Jurnal Sistem dan Teknologi Informasi “Klasifikasi Tingkat Kematangan Buah Pisang Cavendish Menggunakan Algoritma Convolutional Neural Network Model Vgg-19”.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Fatahillah Arinal Haq, Muchamad Kurniawan, Dadang Bagus S, Mukhlis Adi Wicaksono; Pratama Sandi Alala
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
