Klasifikasi Jenis Buah Pisang Berbasis Mobile Menggunakan Convolutional Neural Network

Buah Pisang Merupakan Salah Satu Komoditas Pangan Utama Di Indonesia Dengan Sebaran Jenis Yang Beragam Di Berbagai Daerah Serta Produksi Nasional Yang Tinggi. Pelestarian Kultivar Pisang Menjadi Penting Untuk Menjaga Kualitasnya, Dan Salah Satu Upaya Yang Dapat Dilakukan Adalah Dengan Pelestarian Informasi Plasma Nutfah. Identifikasi Plasma Nutfah Pisang Dapat Dilakukan Dengan Mengenali Karakter Morfologis Tanaman Ini. Pengenalan Tersebut Dapat Diotomatisasi Menggunakan Metode Convolutional Neural Network (CNN), Yang Merupakan Teknik Pembelajaran Mesin Bertipe Supervised Dan Sangat Efektif Untuk Pengenalan Objek Berbasis Citra. Penelitian Ini Bertujuan Membangun Sistem Yang Dapat Mengakomodasi Aksesibilitas Informasi Plasma Nutfah Pisang Melalui Model CNN Untuk Mengenali Jenis Pisang Berdasarkan Citra Digital. Model Ini Kemudian Diintegrasikan Ke Dalam Aplikasi Android Agar Lebih Mudah Diakses Oleh Pengguna. Dataset Yang Digunakan Berasal Dari Sumatera Utara, Terdiri Dari 913 Citra Pisang Yang Tersebar Dalam 8 Kelas, Yaitu: Ambon, Awak, Banten, Barangan, Batu, Kepok, Nangka, Dan Raja. Rasio Pembagian Dataset Adalah 70% Untuk Data Latih Dan 30% Untuk Data Uji. Pembangunan Model CNN Menggunakan Arsitektur Mobilenetv2 Dengan Beberapa Teknik Tuning Untuk Mengatasi Overfitting, Seperti Penerapan Dropout Regularization Sebesar 25% Dan Hyperparameter Tuning Menggunakan Metode Random Search Pada Nilai Learning Rate, Momentum, Dan Fungsi Aktivasi. Hasil Menunjukkan Bahwa Model Awal Memiliki Akurasi Validasi 66%, Meningkat Menjadi 74% Setelah Penerapan Dropout, Dan Mencapai 83% Setelah Hyperparameter Tuning. Model Ini Diintegrasikan Ke Aplikasi Android Menggunakan Tensorflow Lite, Dengan Waktu Inferensi Rata-Rata 20381,5 Milidetik. Aplikasi Ini Berhasil Melakukan Inferensi Jenis Pisang Dengan Cepat Dan Akurat.