Klasifikasi Kematangan Buah Pepaya Berdasarkan Warna Menggunakan Convolutional Neural Network
Article Sidebar
Main Article Content
Abstract
Dengan kemajuan teknologi di bidang pengolahan citra digital (digital image processing) menjadi daya tarik tersendiri dalam mempermudah kehidupan manusia sehingga memunculkan banyak aplikasi yang dapat menerapkannya dalam berbagai bidang. Metode digital image processing dapat mentransformasikan citra masukan menjadi citra keluaran yang dapat dimanfaatkan untuk mengidentifikasi dan mengklasifikasi objek dalam kehidupan. Buah pepaya merupakan buah yang sering dikonsumsi manusia. Proses pemanenan buah pepaya dapat dilakukan menggunakan metode visual dengan memperhatikan warna dan ukuran buah. Pada penelitian ini beberapa sampel buah pepaya diambil nilai RGB dan dilakukan pengolahan dengan metode convutional neural network untuk mendapatkan tingkat kematangan dari buah pepaya. Hasil akhir dari penelitian ini bertujuan untuk membuat aplikasi yang dapat melakukan identifikasi dan mengklasifikasikan objek. Dalam pengujian sistem diperoleh persentase tingkat keberhasilan sebanyak 95%.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
References
[2] Hendriyana and Y. H. Maulana, “Identifikasi Jenis Kayu menggunakan Convolutional Neural Network dengan Arsitektur Mobilenet,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 1, pp. 70–76, 2020.
[3] F. Han, J. Yao, H. Zhu, and C. Wang, “Underwater Image Processing and Object Detection Based on Deep CNN Method,” J. Sensors, vol. 2020, p. 20,
[4] Alidrus, S. A., Musthafa, A., & Putra, O. V. (2021). Deteksi Penyakit Pada Daun Tanaman Padi MenggunakanMetode Convolutional Neural Network. SENAMIKA.
[5] Jinan, A., & Hayadi, B. H. (2022). Klasifikasi Penyakit Tanaman Padi Mengunakan Metode Convolutional Neural Network Melalui Citra Daun (Multilayer Perceptron). Journal of Computer and Engineering Science, 37–44.
[6] F. Agustina and M. Sukron, “Deteksi Kematangan Buah Pepaya Menggunakan Algoritma YOLO Berbasis Android,” Jurnal Ilmiah Infokam, vol. 18, no. 2, pp. 70–78, 2022.
[7] E. Ellif, S. H. Sitorus, and R. Hidayati, “Klasifikasi Kematangan Pepaya Menggunakan Ruang Warna HSV dan Metode Naive Bayes Classifier,” Coding Jurnal Komputer dan Aplikasi, vol. 9, no. 01, pp. 66–75, 2021.
[8] Y. P. Astuti, E. R. Subhiyakto, I. Wardatunizza, and E. Kartikadarma, “Implementasi Algoritma Convolutional Neural Network (CNN) Untuk Klasifikasi Jenis Tanah Berbasis Android,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 8, no. 3, pp. 220–225, 2023.
[9] CHOLLET, F., 2021. Deep learning with Python. Simon and Schuster.
[10] DAMAYANTI, S.A., ARKADIA, A., dan PRASVITA, D.S., 2021. Klasifikasi Buah Mangga Badami Untuk Menentukan Tingkat Kematangan dengan Metode CNN. In Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya, 2(2), pp.158-165.
[11] GUNAWAN, B.T., 2023. Klasifikasi Untuk Menentukan Kematangan Buah Pisang Menggunakan Algoritma Convolutional Neural Network. Doctoral dissertation. Institut Sains & Teknologi AKPRIND Yogyakarta.
[12] N. Nurmalasari, Y. A. Setiawan, W. Astuti, M. R. R. Saelan, S. Masturoh, and T. Haryanti, “Classification for Papaya Fruit Maturity Level with Convolutional Neural Network,” Jurnal Riset Informatika, vol. 5, no. 3, pp. 331–338, 2023.
[13] 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 Informatika, vol. 6, no. 2, pp. 259–268, 2021.
[14] JAYADI, A., dan MEILINDA, D., 2023. Klasifikasi Tingkat Kematangan Buah Pepaya Berdasarkan Warna Kulit Menggunakan Sensor Warna Tcs3200, 3(2), pp.1-13.
[15] MASRUROH, A.I., SORIKHI, dan SYAUQI A., 2023. Klasifikasi Tingkat Kematangan Buah Pepaya California Dalam Ruang Warna HSV (Hue Saturation Value) Dengan Algoritma K-Nearest Neighbors. Jurnal Informatika dan Riset (IRIS).