KLASIFIKASI TINGKAT KEMATANGAN BUAH PISANG CAVENDISH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN MODEL VGG-19

Penulis

  • Aditya Dwi Putro Wicaksono Fakultas Informatika, Institut Teknologi Telkom Purwokerto
  • Arif Amrulloh Fakultas Informatika, Institut Teknologi Telkom Purwokerto

DOI:

https://doi.org/10.31961/positif.v9i2.1778

Kata Kunci:

Convolutional Neural Network, VGG-19, Tingkat Kematangan, Buah Pisang Cavendish

Abstrak

Pisang yang terdapat di Kebun Pisang Cavendish Kabupaten Purbalingga memiliki tingkat kematangan dan kualitas yang berbeda beda, sebagai buah lokal yang memiliki nilai ekonomi tinggi dan memiliki potensi pasar yang masih terbuka luas, buah pisang cavendish menjadi salah satu komoditas buah-buahan yang dapat diandalkan di indonesia[3]. Pemerintah melalui Badan Standarisasi Nasional menetapkan standar untuk buah pisang, menjaga mutu buah pisang. Tujuan dari penelitian ini adalah menganalisa pengaruh cahaya dan kualitas citra dalam mengklasifikasikan tingkat kematangan buah pisang berdasarkan ciri warna buah pisang di Kebun Pisang Cavendish kabupaten banyumas jawa tengah sesuai dengan SNI 7422:2009[1]. Pada penelitian ini penulis mengklasifikasikan tingkat kematangan buah pisang cavendish Menggunakan Convolutional Neural Network Dengan Model Vgg-19. VGG-19 digunakan untuk mengkategorikan tingkat kematangan buah pisang cavendish dan alasan memilih VGG-19 adalah karena VGGNet lebih dalam dan arsitektur yang lebih reliabel untuk teknologi ImageNet. Penulis juga tertarik untuk mempelajari seberapa akurat model VGG-19 tersebut. Dengan total 9.000 dataset, 80% di antaranya adalah data pelatihan, 10% adalah data validasi, dan 10% adalah data pengujian, Akurasi yang diperoleh untuk epoch 32, 64 dan 96 bervariasi. Hasil akurasi yang didapatkan menggunakan VGG-19 adalah 97% pada epoch 32, 64 dan 96.

Unduhan

Data unduhan belum tersedia.

Referensi

I. Najiah, I. Hariyanti, A. R. Sanjaya, A. R. Sanjaya, K. P. Celak, and D. K. Pisang, “Deteksi Jenis Dan Kematangan Pisang Menggunakan Metode Extreme Learning,” Responsif, vol. 2, no. 2, pp. 232–242, 2020.

https://id.wikipedia.org, “Pisang cavendish,” https://id.wikipedia.org, 2021. https://id.wikipedia.org/wiki/Pisang_cavendish (accessed Jun. 03, 2021).

A. D. Putro and A. Hermawan, “Pengaruh Cahaya dan Kualitas Citra dalam Klasifikasi Kematangan Pisang Cavendish Berdasarkan Ciri Warna Menggunakan Artificial Neural Network,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 21, no. 1, pp. 215–228, 2021, doi: 10.30812/matrik.v21i1.1396.

A. Dwi and P. Wicaksono, “Klasifikasi Tingkat Kematangan , Kualitas dan Jenis Buah Pisang Berdasarkan Ciri Warna dan Bentuk Menggunakan Artificial Neural Networks,” vol. 07, no. 02, pp. 91–98, 2022.

Y. Zhang, J. Gao, and H. Zhou, “Breeds Classification with Deep Convolutional Neural Network,” ACM Int. Conf. Proceeding Ser., 2020, doi: 10.1145/3383972.3383975.

I. SABILLA, AHMAD, “Arsitektur Convolutional Neural Network (Cnn) Untuk Klasifikasi Jenis Dan Kesegaran Buah Pada Neraca Buah,” Tesis, no. 201510370311144, pp. 1–119, 2020, [Online]. Available: https://repository.its.ac.id/73567/1/05111850010020-Master_Thesis.pdf.

S. G. and K. Sarkar, “Rice Leaf Diseases Classification Using CNN with Transfer Learning,” IEEE Calcutta Conf. CALCON, pp. 230–236, 2020, doi: 10.1109/CALCON49167.2020.9106423.

and I. I. A. Hidayat, U. Darusalam, “Detection of Disease on Corn Plants Using Convolutional Neural Network Methods,” J. Ilmu Komput. dan Inf, vol. 12, no. 1, p. 51, 2020, doi: 10.21609/jiki.v12i1.695.

and A. S. E. Anggiratih, S. Siswanti, S. K. Octaviani, “Klasifikasi Penyakit Tanaman Padi Menggunakan Model Deep Learning Efficientnet B3 dengan Transfer Learning,” J. Ilm. SINUS, vol. 19, no. 1, p. 75, 2021, doi: 10.30646/sinus.v19i1.526.

F. Emmert-streib, Z. Yang, H. Feng, S. Tripathi, and F. Emmert-streib, “An Introductory Review of Deep Learning for Prediction Models With Big Data,” vol. 3, no. February, pp. 1–23, 2020, doi: 10.3389/frai.2020.00004.

Unduhan

Diterbitkan

2023-12-27

Cara Mengutip

Wicaksono, A. D. P., & Amrulloh, A. (2023). KLASIFIKASI TINGKAT KEMATANGAN BUAH PISANG CAVENDISH MENGGUNAKAN CONVOLUTIONAL NEURAL NETWORK (CNN) DENGAN MODEL VGG-19. POSITIF : Jurnal Sistem Dan Teknologi Informasi, 9(2), 107–114. https://doi.org/10.31961/positif.v9i2.1778

Terbitan

Vol 9 No 2 (2023): Positif : Jurnal Sistem dan Teknologi Informasi

Bagian

Articles

Lisensi

Hak Cipta (c) 2023 Aditya Dwi Putro Wicaksono, Arif Amrulloh

Creative Commons License

Artikel ini berlisensi Creative Commons Attribution 4.0 International License.

Penulis yang menerbitkan dengan Positif : Jurnal Sistem dan Teknologi Informasi menyetujui persyaratan berikut:

  • Penulis memegang hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Lisensi Atribusi Creative Commons yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal dalam jurnal ini.
  • Penulis dapat masuk ke dalam pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.
  • Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.