<![CDATA[Cabai merupakan salah satu komoditas pertanian utama di Indonesia yang memiliki nilai ekonomi tinggi. Cabai memiliki berbagai jenis, seperti cabai besar, cabai rawit, dan cabai hijau, yang sering kali sulit dibedakan secara manual karena kemiripan fisiknya. Untuk mendukung kemajuan sektor pertanian, penelitian ini memanfaatkan teknologi kecerdasan buatan, yaitu Convolutional Neural Network (CNN) dengan arsitektur VGG-16, untuk mengidentifikasi jenis cabai secara otomatis melalui analisis citra berdasarkan warna dan bentuk. Penelitian ini bertujuan untuk mengukur akurasi, sensitivitas, dan spesifisitas model dalam mengklasifikasi jenis cabai. Hasil penelitian menunjukkan bahwa arsitektur VGG-16 mencapai akurasi 100% pada pengujian data latih, menandakan model mampu mendeteksi dan mengklasifikasi jenis cabai secara optimal. Pada uji coba model (fold 5), diperoleh akurasi sebesar 91.8%, sensitivitas 88%, dan spesifisitas 93.8%. Penelitian ini menegaskan bahwa CNN dengan VGG-16 memiliki kinerja yang efektif dalam klasifikasi citra, khususnya jika data uji memiliki karakteristik serupa dengan data latih. Sistem ini menawarkan potensi besar untuk diterapkan dalam sektor pertanian, terutama dalam meningkatkan efisiensi dan akurasi identifikasi komoditas pertanian lainnya.]]>
Copyrights © 2024
