Implementasi Convolutional Neural Network Dalam Mendeteksi Tingkat Kematangan Buah Alpukat

Meremas Buah Alpukat Untuk Mengetahui Tingkat Kematanganya Dapat Menyebabkan Kerusakan Fisik Atau Memar Pada Buah. Memar Pada Buah Mengurangi Mutu Pada Buah Alpukat Dan Menyebabkan Kerugian Baik Pagi Penjual Dan Pembeli. Penelitian Ini Bertujuan Untuk Membangun Sebuah Aplikasi Mobile Berbasis Android Yang Dapat Mendeteksi Tingkat Kematangan Buah Alpukat Berdasarkan Warna Kulit Buah Untuk Menghindari Kerusakan Fisik Buah Alpukat. Penelitian Ini Menggunakan Tiga Arsitektur Convolutional Neural Network Sederhana Untuk Menguji Kemampuan Algoritma Dalam Mendeteksi Tingkat Kematangan Buah Alpukat. Dataset Yang Digunakan Pada Penelitian Berjumlah 385 Data Dengan Kelas Belum Matang, Setengah Matang, Matang Dan Terlalu Matang Masing-Masing Berjumlah 74 Gambar Dan 89 Gambar Untuk Kelas Non-Alpukat. Penelitian Ini Menggunakan Hyperparameter Learning Rate 10−3,10−4,10−5, Dimana Model Dengan Peforma Terbaik Dihasilkan Oleh Arsitektur Dengan Lapisan Konvolusi Paling Banyak Dengan Learning Rate Sebesar 10−3 Dengan Nilai Akurasi Uji Sebesar 94.15%, Loss Uji Sebesar 19.28% Dan F1-Score Sebesar 94.0%. Model Terbaik Kemudian Disimpan Ke Dalam Format Tflite Dan Berhasil Diimplementasikan Ke Aplikasi Android Dan Aplikasi Dapat Berjalan Dengan Semestinya.