Pendeteksi Gambar Jeruk Berdasarkan Kualitas Visual Menggunakan Arsitektur VGG-16Pada Kategori Segar dan Busuk

Fatahna, Inna
Pamungkas, Danar Putra
Widodo, Danang Wahyu

Prosiding SEMNAS INOTEK (Seminar Nasional Inovasi Teknologi)
Vol. 9 No. 3 (2025): Prosiding Seminar Nasional Inovasi Teknologi Tahun 2025

Kualitas jeruk sangat memengaruhi nilai jual dan kepuasan konsumen, namun metode pemeriksaan manual sering kali lambat dan subjektif. Penelitian ini merancang sistem klasifikasi mutu jeruk menjadi tiga kelas, yaitu segar, mentah, dan busuk, menggunakan arsitektur VGG-16 yang dimodifikasi dengan pendekatan transfer learning dan teknik augmentasi data. Dataset berisi 1.280 citra jeruk yang telah melalui tahap pra-pemrosesan seperti perubahan ukuran, normalisasi, dan augmentasi visual. Model dilatih menggunakan algoritma Adam dan dievaluasi dengan metrik akurasi, presisi, recall, serta F1-score. Hasil menunjukkan akurasi hingga 97% tanpa overfitting. Sistem juga diimplementasikan dalam bentuk aplikasi berbasis web untuk mendukung inspeksi mutu secara real-time. Penelitian ini menunjukkan efektivitas penggunaan deep learning kualitas hortikultura secara cepat dan objektif.