Claim Missing Document
Check
Articles

Found 1 Documents
Search

Klasifikasi Kematangan Buah Pisang Menggunakan YOLOv12 Berbasis Deep Learning Prasetyo, Stefanus Eko; Wijaya, Gautama; Kwan, Allan
STORAGE: Jurnal Ilmiah Teknik dan Ilmu Komputer Vol. 5 No. 1 (2026): Februari
Publisher : Yayasan Literasi Sains Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55123/storage.v5i1.7557

Abstract

Sebagai komoditas hortikultura dengan permintaan pasar yang tinggi dan nilai jual strategis, pisang memerlukan penanganan pascapanen yang tepat, khususnya dalam penentuan fase kematangan. Selama ini, proses penyortiran kematangan buah umumnya dilakukan secara konvensional melalui inspeksi visual manual, yang bersifat subjektif dan berpotensi menghasilkan penilaian yang tidak konsisten. Oleh karena itu, penelitian ini berfokus pada perancangan sistem otomatis berbasis deep learning untuk menghasilkan klasifikasi kematangan yang lebih objektif dan terstandar. Algoritma YOLOv12 digunakan sebagai metode utama untuk mendeteksi serta mengklasifikasikan citra buah ke dalam tiga fase, yaitu mentah, matang, dan lewat matang. Data latih dikembangkan melalui proses anotasi serta augmentasi citra untuk meningkatkan variasi visual dan mencegah overfitting. Hasil evaluasi menunjukkan bahwa model mencapai Mean Average Precision (mAP@0.5) sebesar 95,2% dengan waktu deteksi di bawah 50 ms per gambar. Temuan ini menunjukkan potensi penerapan sistem secara real-time pada lingkungan industri penyortiran buah.