Implementasi Deep Learning Pada Kematangan Buah Pala Menggunakan Convolutional Neural Network Berbasis Android
DOI:
https://doi.org/10.33506/insect.v10i1.3650Kata Kunci:
Pala, Deteksi, Deep Learning, Convolutional Neural Network, AndroidAbstrak
Pala atau juga yang dikenal dengan nama latin Myristica Fragrans, adalah tanaman berupa pohon yang kaya akan manfaat. Sebagai tanaman yang masuk kategori rempah-rempah, tanaman merupakan spesies asli kepulauan Maluku ini memiliki nilai yang tinggi. Oleh karena itu, Pala Papua disebut sebagai spesies asli dan endemik di Pulau Papua. Namun persebaran Pala Papua paling banyak berada di Papua Barat, khususnya Kabupaten Fakfak. Petani buah pala umumnya dapat menilai kematangan buah pala dengan mengamati warnanya, karena ini merupakan metode yang paling sederhana. Meskipun metode ini mudah, terdapat beberapa kendala yang membuat proses pemilihan buah pala kurang efektif, terutama jika dilakukan secara manual. Pada penelitian ini dibutuhkan suatu sistem yang bertujuan untuk mendeteksi buah pala berdasarkan tingkat kematangan menggunakan Convolutional Neural Network (CNN). Dataset yang digunakan adalah citra gambar dengan total 600, yang dikelompokkan menjadi 3 kelas. Hasil klasifikasi kematangan buah pala menggunakan Convolutional Neural Network berbasis android. Hasil implementasi deep learning dalam deteksi tingkat kematangan buah pala yang dilakukan dalam penelitian ini menggunakan Convolutional Neural Netwok (CNN) dengan arsitektur VGG16 dapat mengklasifikasi tingkat kematangan buah pala dengan tingkat akurasi sebesar 98% untuk precission, 98% untuk recall dan 98% untuk f1-score.
Referensi
Andi Patimang and Aulia Saraswaty, “Agribisnis Pala Di Kabupaten Fakfak Dalam Mendukung Terbentuknya Inkubator Bisnis Politeknik Negeri Fakfak,” Jurnal Ilmiah Teknik Informatika dan Komunikasi, vol. 2, no. 1, pp. 32–40, 2022, doi: 10.55606/juitik.v2i1.204.
M. A’mun, “Karakteristik Minyak Dan Isolasi Trimiristin Biji Pala Papua (Myristica argentea) Characteristics of Oil and Trimyristin Isolation of Papua Nutmeg Seeds (Myristica argentea)).”
BPS Kabupaten Fakfak, Kabupaten Fakfak Dalam Angka In Figures Fakfak Regency. Fakfak, 2021. Accessed: Aug. 13, 2024. [Online].
S. Umagapi, “No Title,” Mengidentifikasi Kematangan Buah Pala Berdasarkan Ciri Tekstur Menggunakan Metode Backpropagation, p. 6, 2021.
A. La Lengo, A. Ibrahim, and M. Hamid, “Penerapan Metode K-Nearest Neighbor Untuk Mengklasifikasikan Kualitas Biji Pala Berdasarkan Fitur Bentuk Dan Tekstur Application Of The K-Nearest Neighbor Method For Classifying The Quality Of Nuts Based On Form And Texture Features.”
B. Yanto et al., “Klasifikasi Tekstur Kematangan Buah Jeruk Manis Berdasarkan Tingkat Kecerahan Warna dengan Metode Deep Learning Convolutional Neural Network,” vol. 6, no. 2, p. 2021.
Ananda Tariska P, Widyasari Sherina Viola, Muttaqin Muhammad Ihsan, and Stefanie Arnisa, “IDENTIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN),” 2023. Accessed: Aug. 14, 2024. [Online]. Available: https://doi.org/10.36040/jati.v7i3.7137
I. Salamah, S. Humairoh, and S. Soim, “Implementasi Convolutional Neural Network Pada Alat Klasifikasi Kematangan dan Ukuran Buah Nanas Berbasis Android,” vol. 8, no. 2, p. 2023.
F. Risdin, P. Kumar Mondal, and K. Mahmudul Hassan, “Convolutional Neural Networks (CNN) for Detecting Fruit Information Using Machine Learning Techniques,” vol. 22, no. 2, pp. 1–13, doi: 10.9790/0661-2202010113.
Y. Herdiana, “Penerapan Machine Learning Dengan Model Linear Regression Terhadap Analisis Kualitas Hasil Petik the Di Pt. Perkebunan …,” COMPUTING| Jurnal Informatika, vol. 09, pp. 1–9, 2022.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Rendra Soekarta, Muzakkir Pangri, Maskia Katmas
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
