<![CDATA[Penelitian ini membahas pentingnya identifikasi jenis apel dalam berbagai konteks, termasuk industri pertanian, perdagangan, dan penelitian ilmiah. Identifikasi jenis apel memiliki dampak besar dalam manajemen tanaman, pengelolaan persediaan, serta studi tentang sifat genetik dan nutrisi. Namun, proses identifikasi manual seringkali memakan waktu dan rentan terhadap kesalahan. Oleh karena itu, pengembangan metode otomatis menggunakan teknologi citra menjadi sangat penting. Salah satu pendekatan yang menjanjikan adalah menggunakan algoritma Neural Network, yang telah terbukti efektif dalam klasifikasi citra. Penelitian ini bertujuan untuk mengevaluasi keefektifan algoritma Neural Network dalam mengklasifikasikan jenis apel berdasarkan fitur-fitur bentuk dan warna yang diekstraksi dari citra buah, serta untuk meningkatkan pemahaman kita tentang kinerja algoritma tersebut dalam konteks identifikasi jenis apel. Metode yang terstruktur melibatkan pengumpulan data citra, ekstraksi fitur, implementasi algoritma Neural Network, dan evaluasi kinerja model. Hasil evaluasi menunjukkan tingkat akurasi yang tinggi, dengan nilai recall dan precision yang baik untuk kedua jenis apel yang diidentifikasi. Dengan demikian, penelitian ini menunjukkan bahwa model Neural Network efektif dalam mengidentifikasi jenis apel berdasarkan fitur-fitur bentuk dan warna yang diekstraksi dari citra buah, dengan tingkat akurasi mencapai 99.23%.]]>
Copyrights © 2023
