IMPLEMENTASI CONVOLUTIONAL NEURAL NETWORK UNTUK DETEKSI KESEGARAN PADA APEL

  • Diana Cindy Agustin Universitas Muhammadiyah Sidoarjo
  • Mochamad Alfan Rosid Universitas Muhammadiyah Sidoarjo
  • Novia Ariyanti Universitas Muhammadiyah Sidoarjo
https://doi.org/10.37859/jf.v13i02.5175
Keywords: android, convolutional neural network, deteksi kesegaran buah, kecerdasan buatan, LeNet-5

Abstract

Saat ini, perkembangan teknologi telah menjadi sangat cepat dan produk kecerdasan buatan seperti visi komputer yang mampu menganalisis benda-benda di sekitarnya dan kemudian memberikan informasi yang dapat dipahami oleh manusia telah mulai menggantikan peran manusia dalam beberapa bidang pekerjaan. Berdasarkan data BPS, persentase ekspor buah Indonesia tumbuh 10,36% pada Februari 2022 dengan nilai US$ 340 juta. Hal ini menyebabkan perlunya efisiensi waktu saat melakukan proses ekspor untuk menentukan kualitas buah. Jumlah waktu, sumber daya manusia, dan kurangnya pemahaman dalam menentukan kualitas buah adalah hal yang perlu diperhatikan. Berdasarkan permasalahan dan pertanyaan tersebut, penelitian ini dilakukan untuk membuat sebuah proyek yang membuktikan bahwa visi computer juga dapat melakukan pekerjaan serupa
yang awalnya dilakukan oleh manusia sehingga dapat mempermudah penentuan kualitas buah dengan menerapkan algoritma Convolutional Neural Network dengan struktur LeNet-5 dan mendapat akurasi sebesar 93%. Proyek ini merupakan aplikasi berbasis mobile android yang dapat mendeteksi kondisi buah apakah cocok (segar) atau tidak cocok (busuk) untuk dikonsumsi sehingga menciptakan gaya hidup yang lebih sehat.

Downloads

Download data is not yet available.

References

Cintia Alifta Riyanisa, “RANTAI NILAI GLOBAL (GLOBAL VALUE CHAINS) PADA MASA PANDEMI TERKAIT

POSISI BUAH JAMBU DAN APEL,” Indonesian Journal of International Relations, vol. 6, no. 2, pp. 307–325, Aug. 2022,

doi: 10.32787/ijir.v6i2.349.

Z. Dou, J. D. Toth, and M. L. Westendorf, “Food waste for livestock feeding: Feasibility, safety, and sustainability

implications,” Global Food Security, vol. 17. Elsevier B.V., pp. 154–161, Jun. 01, 2018. doi: 10.1016/j.gfs.2017.12.003.

J. Homepage, A. Roihan, P. Abas Sunarya, and A. S. Rafika, “IJCIT (Indonesian Journal on Computer and Information Technology) Pemanfaatan Machine Learning dalam Berbagai Bidang: Review paper,” 2019.

S. Ilahiyah and A. Nilogiri, “Implementasi Deep Learning Pada Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional Neural Network”.

Y. Li, X. Feng, Y. Liu, and X. Han, “Apple quality identification and classification by image processing based on

convolutional neural networks,” Sci Rep, vol. 11, no. 1, Dec. 2021, doi: 10.1038/s41598-021-96103-2.

A. B. Kuriakose, F. Siju, M. K. Aji, T. Rahim, and C. Rani, “Automatic Fruit Classification and Freshness Detection.” [Online]. Available: www.ijert.org

Sriram Reddy Kalluri, “Fruits fresh and rotten for classification,” Kaggle, 2018. [Online]. Available: https://www.kaggle.com/datasets/sriramr/fruits-fresh-androtten-for-classification

M. Faturrachman and I. Yustiana, “DISEASE DETECTION SYSTEM IN CASSAVA LEAVES USING ANDROIDBASED DEEP LEARNING AND TENSORFLOW.”

I. W. Prastika, E. Zuliarso, J. T. Lomba, J. No, and S. 50241, “DETEKSI PENYAKIT KULIT WAJAH MENGGUNAKAN TENSORFLOW DENGAN METODE CONVOLUTIONAL NEURAL NETWORK,” Jurnal Manajemen informatika & Sistem Informasi), vol. 4, no. 2, 2021, [Online]. Available: http://e-journal.stmiklombok.ac.id/index.php/misi

S. Yuliany and A. Nur Rachman, “Implementasi Deep Learning pada Sistem Klasifikasi Hama Tanaman Padi Menggunakan Metode Convolutional Neural Network (CNN),” 2022.

I. Wulandari, H. Yasin, and T. Widiharih, “KLASIFIKASI CITRA DIGITAL BUMBU DAN REMPAH DENGAN ALGORITMA CONVOLUTIONAL NEURAL NETWORK (CNN)”, [Online]. Available: https://ejournal3.undip.ac.id/index.php/gaussian/

S. Juliansyah and A. D. Laksito, “Klasifikasi Citra Buah Pir Menggunakan Convolutional Neural Networks,” Jurnal Telekomunikasi dan Komputer, vol. 11, no. 1, pp. 65–72, 2021, doi: 10.22441/incomtech.v10i2.10185.

B. Nugroho and E. Yulia, “KINERJA METODE CNN UNTUK KLASIFIKASI PNEUMONIA DENGAN VARIASI UKURAN CITRA INPUT,” vol. 8, no. 3, pp. 533–538, 2021, doi: 10.25126/jtiik.202184515.

C. A. Lorentius, R. Adipranata, and A. Tjondrowiguno, “Pengenalan Aksara Jawa dengan Menggunakan Metode Convolutional Neural Network.”

Published
2023-08-17
Issue
Vol 13 No 02 (2023): Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer)
Section
Articles

Copyright (c) 2023 Diana Cindy Agustin (Author)

Creative Commons License

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

Copyright Notice

An author who publishes in the Jurnal FASILKOM (teknologi inFormASi dan ILmu KOMputer) agrees to the following terms:

  • Author retains the copyright and grants the journal the right of first publication of the work simultaneously licensed under the Creative Commons Attribution-ShareAlike 4.0 License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal
  • Author is able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book) with the acknowledgement of its initial publication in this journal.
  • Author is  permitted and encouraged to post his/her  work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of the published work (See The Effect of Open Access).

Read more about the Creative Commons Attribution-ShareAlike 4.0 Licence here: https://creativecommons.org/licenses/by-sa/4.0/.

Abstract views: 244 , PDF downloads: 169