Classification Of Banana Maturity Level Using CNN Architectural Method VGG19
Keywords:
classification, banana, VGG-19, CNNAbstract
Bananas are abundantly available in Indonesia, rich in nutrients, and hold high economic value. However, the post-harvest sorting process still relies on inconsistent human judgment, resulting in losses for farmers. Therefore, this research proposes the use of Convolutional Neural Network (CNN) to classify the ripeness of bananas based on color. The dataset consists of 450 banana images with three ripeness classes: raw, ripe, and overripe, sourced from Kaggle. Data augmentation is performed using Image Data Generator. CNN is designed using the VGG-19 architecture and trained using both Adam and SGD optimizers. The research results show the highest accuracy of 100% with the lowest loss of 0.02 when using the Adam optimizer with 20 epochs. The SGD optimizer also yields 100% accuracy with a loss of 0.04 at epoch 20. The research conclusion indicates that CNN with the VGG-19 architecture can be used for banana ripeness classification with high accuracy rates. For future developments, the model will be enhanced with layer adjustments and preprocessing to improve accuracy and reduce data loss.
Downloads
References
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”.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Fatahillah Arinal Haq, Muchamad Kurniawan, Dadang Bagus S, Mukhlis Adi Wicaksono; Pratama Sandi Alala
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.