SISTEM KLASIFIKASI MUTU BUAH SALAK MENGGUNAKAN METODE CONVOLUTIONAL NEURAL NETWORK (CNN)

Abstract

Klasifikasi mutu buah salak (Salacca zalacca) secara manual masih mengandalkan pengamatan visual tenaga kerja, sehingga rentan terhadap ketidakkonsistenan dan subjektivitas. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi mutu buah salak berbasis citra digital menggunakan metode Convolutional Neural Network (CNN) dengan pendekatan transfer learning. Model dibangun menggunakan arsitektur MobileNetV3Large dan dilatih ulang pada dataset berjumlah 1500 citra buah salak, yang terbagi dalam tiga kategori mutu (A, B, dan C), melalui dua tahap pelatihan: feature extraction dan fine-tuning. Evaluasi terhadap data uji menunjukkan akurasi sebesar 82%, sedangkan pengujian pada perangkat mobile (RAM 2 GB) menunjukkan bahwa sistem dapat berjalan secara responsif, meskipun masih ditemukan kendala dalam membedakan mutu A dan B. Model telah diimplementasikan dalam bentuk prototipe aplikasi Android menggunakan format TensorFlow Lite, dan diuji secara langsung menggunakan sembilan sampel citra uji. Hasil ini menunjukkan potensi awal pengembangan sistem klasifikasi mutu buah salak yang lebih objektif, ringan, dan dapat dijalankan pada perangkat dengan sumber daya terbatas.