Klasifikasi Tingkat Kematangan Buah Nanas Menggunakan Convolution Neural Network (CNN)

Abstract

Nanas (Ananas comosus) adalah jenis buah tropis yang memiliki nilai ekonomi yang signifikan dan sangat populer di berbagai negara. Kematangan nanas berpengaruh besar terhadap cita rasa, tekstur, dan daya simpan buah tersebut. Penelitian ini bertujuan untuk mengklasifikasikan tingkat kematangan dari nanas dengan memanfaatkan metode Convolutional Neural Network (CNN). Gambar nanas dianalisis dengan mempertimbangkan karakteristik warna untuk mengidentifikasi tiga tingkat kematangan: mentah, setengah matang, dan matang. Dataset yang dipakai terdiri dari 486 foto nanas yang diambil secara langsung dari lingkungan. Model CNN yang digunakan mengandung beberapa lapisan konvolusi dan pengambilan sampel untuk mengekstrak fitur visual yang penting. Hasil evaluasi menunjukkan bahwa model ini mampu mencapai akurasi 98,45% dengan nilai kerugian sebesar 0.2127. Temuan ini mengindikasikan bahwa metode CNN dapat diandalkan untuk mengotomatisasi proses klasifikasi tingkat kematangan nanas dengan presisi yang tinggi. Penerapan sistem ini diharapkan dapat mendukung sektor pertanian dalam meningkatkan efisiensi operasional serta menjaga konsistensi kualitas produk.