Implementasi Object Detection untuk Deteksi Kualitas pada Buah Lemon dengan CNN

Salimah Mahdiyyah, Muhammad Prafit Alvido Pratama, Vinkan Apritazona Rengganis, Nisrina Putri Fernanda Fairuz, Thegar Abiyudho Enggar Prasetyo, Ananda Adi Saputra, Riyandi Panji Pradana, David Giofani, Andreas Adi Trinoto

Abstract


Penelitian ini bertujuan untuk mengembangkan sistem deteksi kualitas buah lemon menggunakan metode Convolutional Neural Network (CNN). Dengan meningkatnya permintaan akan buah berkualitas tinggi, penting untuk memiliki sistem otomatis yang dapat mengklasifikasikan kualitas buah secara efisien. Metodologi yang digunakan meliputi pengumpulan data citra lemon dari berbagai sumber, yang kemudian dikategorikan menjadi dua kelas: kualitas baik dan buruk. Data set yang digunakan berisi 2533 gambar lemon, di mana 80% digunakan untuk pelatihan model dan 20% untuk validasi. Hasil penelitian menunjukkan bahwa model CNN yang dikembangkan mampu mencapai akurasi tinggi dalam mengidentifikasi kualitas lemon, dengan proses pelatihan yang dilakukan menggunakan paket Keras dalam Python. Evaluasi model dilakukan menggunakan confusion matrix untuk mengukur akurasi, presisi, dan recall. Sistem ini diharapkan dapat membantu toko-toko buah dalam proses sortir, sehingga mereka dapat memilih dan menjual buah berdasarkan kualitas yang diinginkan. Dengan demikian, penelitian ini tidak hanya berkontribusi pada bidang teknologi informasi, tetapi juga memberikan manfaat praktis bagi industri pertanian dan perdagangan buah.


Keywords


Deteksi Kualitas; CNN; Buah Lemon; Klasifikasi Citra; Machine Learning

Full Text:

PDF

References


Aini, F. Q., Grandisningtias, G. G., Hilwa, K., & Supriatna, A. (2024). Identifikasi Karakteristik Morfologi dan Kandungan dari Famili Rutaceae di Daerah Jabong, Kota Subang, Jawa Barat. Jurnal Teknologi Pangan Dan Ilmu Pertanian, 2(2), 4655.

Firdaus, L., & Setiadi, T. (2023). Perbandingan Algoritma Naive Bayes, Decision Tree, dan KNN untuk Klasifikasi Produk Populer Adidas US dengan Confusion Matrix. Jurnal Sistem Komputer Dan Informatika (JSON), 5(2), 185195. https://doi.org/10.30865/json.v5i2.6124

Fitrah, M. (2016). Identifikasi ekstrak daun kopasanda (Chromolaena odorada Linn) terhadap sel antiproliferasi tikus leukemia L1210. Jf Fik Uinam, 4(3), 99105.

Ilahiyah, S., & Nilogiri, A. (2018). Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network. JUSTINDO(Jurnal Sistem & Teknologi Informasi Indonesia), 3(2), 4956.

M.B. Gigih Baskoro Ashari. (2024). Implementasi Algoritma Convolutional Neural Network untuk Meningkatkan Identifikasi Penyakit Tanaman Durian. Jupiter: Publikasi Ilmu Keteknikan Industri, Teknik Elektro Dan Informatika, 2(4), 162172. https://doi.org/10.61132/jupiter.v2i4.418

Nugroho, A. W. (2017). Konservasi Keanekaragaman Hayati Melalui Tanaman Obat Dalam Hutan Di Indonesia Dengan Teknologi Farmasi: Potensi Dan Tantangan. Jurnal Sains Dan Kesehatan, 1(7), 377383.

Nurhayati, & Maina. (2018). Pengukuran Nilai Tegangan Listrik pada Buah Nanas. Jurnal Phi: Pendidikan Fisika Dan Fisika Terapan, 4(2), 13.

Nurhikmat, T. (2018). Implementasi Deep Learning Untuk Image Classification Menggunakan Algoritma Convolutional Neural Network (Cnn) Pada Citra Wayang Golek (Vol. 3, Issue 2). Universitas Islam Indonesia.

Retnoningsih, E., & Pramudita, R. (2020). Mengenal Machine Learning Dengan Teknik Supervised Dan Unsupervised Learning Menggunakan Python. Bina Insani Ict Journal, 7(2), 156165. https://doi.org/10.51211/biict.v7i2.1422

Wibawa, I. P. A. H. (2018). Konservasi Citrus spp. di Kebun Raya Bali serta Potensi Pemanfaatannya. E-Jurnal Agroekoteknologi Tropika, 7(3), 326334.

Wulansari, N. W., & Muslih. (2023). Implementasi Metode Convolutional Neural Network Untuk Deteksi Kematangan Buah Pisang Menggunakan Inception V3. JOINS (Journal of Information System), 8(2), 147155. https://doi.org/10.33633/joins.v8i2.9074

Yazid Fauzan Nur Ashfani, Yovi Litanianda, & Rizqy Amalia Putri. (2024). Klasifikasi Jenis Buah Jeruk Menggunakan Metode Convolutional Neural Network: Deep Learning Studi. Uranus : Jurnal Ilmiah Teknik Elektro, Sains Dan Informatika, 2(2), 7079. https://doi.org/10.61132/uranus.v2i2.129.




DOI: https://doi.org/10.30998/jrami.v6i01.13417

Refbacks

  • There are currently no refbacks.