Klasifikasi kematangan pisang menggunakan metode convolutional neural network

Afifah Inas, Hanifah and Arief, Hermawan (2023) Klasifikasi kematangan pisang menggunakan metode convolutional neural network. Komputika: Jurnal Sistem Komputer, 12 (2): 6. pp. 169-176. ISSN 2252-9039

[thumbnail of 2252-9039_12_2_2023-6.pdf]
Preview
Text
2252-9039_12_2_2023-6.pdf - Published Version

Download (799kB) | Preview

Abstract

Pisang adalah tumbuhan yang berasal dari wilayah Asia Tenggara dan termasuk dalam genus Musa serta family Musaceae. Tumbuh di wilayah tropis dan subtropis, pisang termasuk ke dalam salah satu komoditas pertanian dengan produksi paling besar dibandingkan buah lainnya. Indonesia adalah salah satu negara yang memproduksi pisang terbesar di dunia. Hasil panen tersebut kemudian dipilah berdasarkan tingkat kematangan dengan melihat dari perubahan warna kulit pisang. Namun, proses pemilahan buah pisang memerlukan waktu dan tenaga cukup besar sebab produksi buah pisang yang banyak. Selain itu, perbedaan penilaian setiap individu terhadap perubahan warna kulit pisang sehingga mengakibatkan pemilahan buah pisang yang tidak stabil atau konsisten. Maka dari itu, penelitian ini bermaksud untuk membuat sistem klasifikasi kematangan buah pisang berdasarkan perubahan warna kulit dengan tujuan proses pemilahan tersebut dapat dilakukan dengan efisien dan akurat. Varian warna yang digunakan mulai dari dominan hijau untuk pisang mentah, dominan kuning untuk pisang matang dan mulai munculnya bercak berwarna coklat kehitaman untuk pisang terlalu matang. Metode yang diterapkan adalah Convolutional Neural Network dengan arsitektur yang dirancang sendiri. Hasil penelitian menunjukan akurasi mencapai 88% dengan pengaturan learning rate sebesar 0,001 dan batasan maksimal epoch sebanyak 15.

Item Type: Article
Uncontrolled Keywords: Klasifikasi, Buah pisang, Classification, Banana fruit, Banana, Convolutional neural network, Deep learning, Computer vision, Neural networks
Subjects: Computers, Control & Information Theory
Computers, Control & Information Theory > Information Processing Standards
Computers, Control & Information Theory > Pattern Recognition & Image Processing
Depositing User: - Rulina Rahmawati
Date Deposited: 24 Dec 2024 06:12
Last Modified: 24 Dec 2024 06:12
URI: https://karya.brin.go.id/id/eprint/33355

Actions (login required)

View Item
View Item