Klasifikasi Kematangan Tomat Berbasis Citra Digital: Pendekatan Teachable Machine Learning

Ulvi Munawaroh
Zaehol Fatah

Gudang Jurnal Multidisiplin Ilmu
Vol. 2 No. 11 (2024): GJMI - NOVEMBER

Tomat (Solanum Lycopersicum) memiliki peran penting dalam industri pertanian dan kuliner global, di mana tingkat kematangan buah secara signifan mempengaruhi kualitas, rasa, dan nilai pasar. Penentuan kematangan yang akurat sangat diperlukan untuk mengurangi kerugian ekonomi yang dialami oleh petani dan distributor. Dengan memanfaatkan teachable machine, sebuah platform machine learning inovatif dari google, telah dikembangkan model klasifikasi kematangan tomat dalam tiga kategori; mentah, setengah matang dan matang. Proses yang dilakukan mencakup pengumpulan 375 gambar tomat dari berbagai sumber, pra-pemrosesan citra, serta pelabelan data sebelum pelatihan model. Hasilnya menunjukkan akurasi tinggi yang mencapai 98% dengan nilai loss yang rendah, menandakan efektivitas metode yang diterapkan. Prototipe yang dihasilkan memungkinkan pengguna untuk melakukan klasifikasi kematangan tomat secara real-time melalui smartphone, sehigga meningkatkan aksesibilitas teknologi dalam sektor pertanian. Hasil ini diharapkan dapat memberikan kontribusi signifikan dalam meningkatkan kualitas hasil panen, mengurangi kerugian dan mendukung keberlanjutan industri pertanian melalui penerapan teknologi canggih yang lebih objektif dan sistematis.