Supu, Tahir (2025) IDENTIFIKASI KUALITAS DAN JENIS BUAH CABAI MENGGUNAKAN ALGORITMA DEEP LEARNING. Jurnal Ilmu komputer (JUIK), 5 (3). pp. 1-10. ISSN 2774-924004
|
Text (Jurnal Tahir Supu)
Jurnal_Tahir_supu.pdf Download (542kB) |
Abstract
Tujuan penelitian ini adalah (1) Mengidentifikasi kualitas dan jenis buah cabai secara otomatis menggunakan Algoritma deep learning. (2) Meningkatkan Akurasi sistem identifikasi kualitas dan jenis buah cabai dengan mengoptimalkan penerapan Algoritma deep learning. Deep Learning adalah arsitektur jaringan saraf tiruan berlapis untuk memproses dan menganalisis data dalam skala besar secara efisien guna menyelesaikan berbagai permasalahan kompleks. Deep Learning merupakan cabang dari Machine Learning yang algoritmanya dirancang mengadopsi arsitektur jaringan saraf biologis manusia, yang dikenal sebagai Artificial Neural Networks. Salah satu, arsitektur Deep Learning yang paling umum digunakan dalam analisis gambar adalah Convolutional Neural Network (CNN).Pada penelitian ini, sampel data yang didapatkan berjumlah 1500 data gambar yang dibagi 4 kelas , yaitu : Cabai keriting segar, Cabai keriting tidak segar, Cabai rawit segar dan Cabai rawit tidak segar. Setalah itu akan di bagi menjadi dua data yaitu train dan validasi Gambar grafik di atas tersebut menunjukkan hubungan antara rasio data latih-uji dengan Akurasi model pada ukuran citra 400x400 piksel. Terlihat bahwa Akurasi model cenderung meningkat seiring bertambahnya proporsi data latih, dengan puncak Akurasi terjadi pada 80:20, mencapai sekitar 98%. Model CNN CabaiNet yang dikembangkan dalam penelitian ini mampu mengklasifikasikan jenis dan kualitas buah cabai ke dalam empat kelas (cabai keriting segar, cabai keriting tidak segar, cabai rawit segar, dan cabai rawit tidak segar) dengan tingkat Akurasi tinggi, mencapai 99% pada konfigurasi terbaik. Hal ini menjawab rumusan masalah pertama terkait bagaimana mengidentifikasi kualitas dan jenis buah cabai dengan Algoritma deep learning, yaitu dengan memanfaatkan arsitektur CNN khusus yang dirancang untuk mengekstraksi fitur visual dari citra buah cabai.
| Item Type: | Article |
|---|---|
| Uncontrolled Keywords: | Deep Learning Algorithm; Fruit Quality; Types of Chili Fruit; CNN |
| Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Fakultas Sains dan Ilmu Komputer > Program Studi Ilmu Komputer |
| Depositing User: | Tahir Supu |
| Date Deposited: | 16 Jul 2026 03:45 |
| Last Modified: | 16 Jul 2026 03:45 |
| URI: | http://repository.umgo.ac.id/id/eprint/6872 |
Actions (login required)
![]() |
View Item |
