Aplikasi Pendeteksi Tingkat Kematangan Pepaya menggunakan Metode Convolutional Neural Network (CNN) Berbasis Android

Muhammad Sayyidin Hawibowo, Izzati Muhimmmah

Abstract


Pepaya merupakan salah satu buah tropis yang memiliki nilai ekonomi tinggi dan memiliki kandungan gizi yang penting bagi kesehatan manusia. Kematangan pepaya sangat mempengaruhi rasa, tekstur, dan nilai jualnya. Oleh karena itu, pengembangan sistem otomatis untuk mendeteksi kematangan pepaya menjadi penting dalam industri pertanian. Dalam penelitian ini, dikembangkan sebuah aplikasi berbasis Android yang menggunakan metode Convolutional Neural Network (CNN) untuk mendeteksi kematangan pepaya secara otomatis. Dataset pepaya yang telah dikumpulkan digunakan untuk melatih model CNN guna mengklasifikasikan pepaya menjadi tiga kategori kematangan, yaitu belum matang, setengah matang, dan matang. Selain itu, aplikasi ini juga menyediakan prediksi masa panen pepaya berdasarkan analisis kematangan. Implementasi pada platform Android memungkinkan akses yang mudah dan cepat bagi petani atau pemilik kebun pepaya untuk memantau kematangan buah pepaya mereka. Hasil eksperimen menunjukkan bahwa model CNN yang diusulkan memiliki tingkat akurasi yang cukup tinggi yaitu sebesar 96.97% dalam mengklasifikasikan kematangan pepaya. Aplikasi ini diharapkan dapat membantu petani dalam mengoptimalkan proses panen dan pengelolaan pepaya secara efisien.


Keywords


Pepaya; Classification; Convolutional Neural Network; Android

Full Text:

PDF

References


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.

S. Febjislami, K. Suketi, and R. Yunianti, “Karakterisasi morfologi bunga, buah, dan kualitas buah tiga genotipe pepaya hibrida,” Buletin Agrohorti, vol. 6, no. 1, pp. 112–119, 2018.

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.

L. A. Wardani, I. G. P. S. Wijaya, and F. Bimantoro, “KLASIFIKASI JENIS DAN TINGKAT KEMATANGAN BUAH PEPAYA BERDASARKAN FITUR WARNA, TEKSTUR DAN BENTUK MENGGUNAKAN SUPPORT VECTOR MACHINE,” Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA), vol. 4, no. 1, pp. 75–87, 2022.

T. Agustin, S. Suyudi, and H. Nuryaman, “Kinerja Kelembagaan Agribisnis Pepaya California,” Jurnal Agristan, vol. 1, no. 2, 2019.

M. R. Dwiantara, “PREFERENSI KONSUMEN TERHADAP BUAH PEPAYA CALIFORNIA DAN,” 2020.

A. Aminudin, “KLASIFIKASI TINGKAT KEMATANGAN BUAH PEPAYA MENGGUNAKAN METODE K-NEAREST NEIGHBOR BERDASARKAN WARNA KULIT BUAH,” 2019.

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.

S. P. Backar, P. Purnawansyah, H. Darwis, and W. Astuti, “Hybrid Fourier Descriptor Naïve Bayes dan CNN pada Klasifikasi Daun Herbal,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 8, no. 2, pp. 126–133, 2023.

N. Nafiiyah, “Identifikasi Tumor Otak Citra MRI dengan Convolutional Neural Network,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 8, no. 3, pp. 213–219, 2023.

I. Maulana, H. Sastypratiwi, H. Muhardi, N. Safriadi, and H. Sujaini, “Implementasi Convolutional Neural Network (CNN) untuk Klasifikasi Motif Batik pada Aplikasi Computer Vision Berbasis Android,” JEPIN (Jurnal Edukasi dan Penelitian Informatika), vol. 9, no. 3, pp. 384–393.

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.

S. Masturoh and T. Haryanti, “CLASSIFICATION FOR PAPAYA FRUIT MATURITY LEVEL WITH CONVOLUTIONAL NEURAL NETWORK”.

M. S. Hossen, I. Haque, M. S. Islam, M. T. Ahmed, M. J. Nime, and M. A. Islam, “Deep learning based classification of papaya disease recognition,” in Proceedings of the 3rd International Conference on Intelligent Sustainable Systems, ICISS 2020, Institute of Electrical and Electronics Engineers Inc., Dec. 2020, pp. 945–951. doi: 10.1109/ICISS49785.2020.9316106.

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.

S. A. Damayanti, A. Arkadia, and D. S. Prasvita, “Klasifikasi Buah Mangga Badami Untuk Menentukan Tingkat Kematangan dengan Metode CNN,” in Prosiding Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya, 2021, pp. 158–165.

A. Suryana and R. Wiradinata, “Pengaruh konsentrasi kitosan terhadap lama simpan dan mutu pada dua tingkat kematangan pepaya Callina (Carica papaya L.),” 2013.




DOI: http://dx.doi.org/10.26418/jp.v10i1.77819

Refbacks

  • There are currently no refbacks.